1.5.1　训练和测试数据的检索

MNIST数据集已经包含训练和测试数据。其中有60 000条训练数据，10 000条测试数据。如果本地路径'~/.keras/datasets/' + path下没有数据文件，可以下载到此路径下。

每个MNIST数据点有：

·一幅手写数字图像。

·相应的从0到9的标签，有助于识别图像。

图像将被调用，并作为神经网络的输入X，它们对应的标签是y。

我们希望标签是一个one-hot向量。one-hot向量是由多个0和1组成的向量。示例中很容易看到这一点。数字0表示为one-hot向量是[1,0,0,0,0,0,0,0,0,0]，数字4表示为one-hot向量是[0,0,0,0,1,0,0,0,0,0]。

数据降维

在本例中，我们将使用降维后的数据，即使用MNIST图像的一维而不是二维表示。因此每个28×28像素的数字图像将被表示为一个784像素的一维数组。

通过数据降维，将会丢弃图像的二维结构信息，然而我们的数据是简化的。在此帮助下，所有的训练数据都可以包含在一个(60000,784)的矩阵中，其中第一个维度表示训练图像的数量，第二个维度表示每个图像的像素量。这类数据使用简单的神经网络就很容易分析，如下：