Mnist数据下载地址：http://yann.lecun.com/exdb/mnist/ 这四个文件包含了全部的Mnist数据。解压后就会得到idx3-ubyte类型的四个文件。
idx3-ubyte类型的文件需要处理一下才能读取到python中，在讲解如何读取时，先了解一下mnist数据的存储格式。
TRAINING SET LABEL FILE 训练数据的label文件中，前两个32位整数位分别为magic number和item数量，之后的6000个unsigned byte为6000张图像的label，label值范围从0到9。
TRAINING SET IMAGE FILE Pixels are organized row-wise. Pixel values are 0 to 255. 0 means background (white), 255 means foreground (black). 前4个32位整型分别为magic number、图片数、行数、列数。后面按顺序有28*28*6000个像素的颜色值，其中0为白，255为黑。也就相当于，每个28像素*28像素的图像被展开，变成了一维的数据，而6000个这样的一维数据拼接，就组成了这个数据。
TEST SET LABEL FILE 与训练数据类似，不过item个数为10000。
TEST SET IMAGE FILE Pixels are organized row-wise. Pixel values are 0 to 255. 0 means background (white), 255 means foreground (black). 与训练数据类似，不过item个数为10000。
代码中有完整的注释，看代码即可。 （代码参考的别人的博客上的代码，然后自己又加了些注释，可是忘记那个博客的链接了，罪过罪过）
import os import struct import numpy as np import matplotlib.pyplot as plt def load_mnist(path, kind="train"): # label与image数据存储路径 labels_path = os.path.join(path, '%s-labels.idx1-ubyte' % kind) images_path = os.path.join(path, '%s-images.idx3-ubyte' % kind) with open(labels_path, 'rb') as lbpath: # 由于label数据中前两个32位整型是数据描述而不是数据，所以要先读取出来，防止影响数据读取 # '>'表示是big-endian大端模式存储，'I'表示一个无符号整数，所以'>II'就读取出数据描述 magic, n = struct.unpack('>II', lbpath.read(8)) # 读取数据部分 labels = np.fromfile(lbpath, dtype=np.uint8) with open(images_path, 'rb') as imgpath: # 同上，读取数据描述 magic, num, rows, cols = struct.unpack('>IIII', imgpath.read(16)) #每个图像的784个元素按照列向量排列，需要reshape才能使每一行为一个完整的图像 images = np.fromfile(imgpath, dtype=np.uint8).reshape(len(labels), 784) return images, labels #函数应用方式 X_train, y_train = load_mnist("MNIST_data/", kind="train") X_test, y_test = load_mnist("MNIST_data/", kind="t10k") # 如果想要获取label为i的第j张训练图像数据，可按照如下方法调用函数，注意此时获取的是大小为784的列向量 # img = X_train[y_train == i][j] # 若想将以上图像显示出来，需要将该列向量reshape为28*28的二维图像数据 # img = img.reshape(28, 28)