前言：

對於深度學習來說資料的蒐集是十分重要的，而Mnist是一個別人已經蒐集好的手寫數字辨識資料，為了方便，我們就先使用別人蒐集好的資料來進行使用。

下載Mnist：

from tensorflow.examples.tutorials.mnist import input_data
mnist = input_data.read_data_sets('MNIST_data', one_hot=True)

說明：

由於tensorflow已經提供了現成模組，所以我們就依照官方的教學下載。

查看Mnist：

查看圖形：

from tensorflow.examples.tutorials.mnist import input_data
import matplotlib.pyplot as plt
mnist = input_data.read_data_sets('MNIST_data', one_hot=True)
def images(image):
    plt.imshow(image.reshape(28,28),cmap='binary')
    plt.show()
images(mnist.train.images[784])

查看圖形及其標籤：

from tensorflow.examples.tutorials.mnist import input_data
import matplotlib.pyplot as plt
import numpy as np
mnist = input_data.read_data_sets('MNIST_data', one_hot=True)
def images(image):
    plt.imshow(image.reshape(28,28),cmap='binary')
    plt.show()
images(mnist.train.images[784])
mnist.train.labels[784]

查看圖形並將標籤轉換為（0~9）數字：

from tensorflow.examples.tutorials.mnist import input_data
import matplotlib.pyplot as plt
import numpy as np
mnist = input_data.read_data_sets('MNIST_data', one_hot=True)
def images(image):
    plt.imshow(image.reshape(28,28),cmap='binary')
    plt.show()
images(mnist.train.images[784])
np.argmax(mnist.train.labels[784])
#mnist.train.labels[784]

結語：

終於考完期末考了，雖然整個炸掉，但鐵人也差不多該開始補了，今天就先介紹我們之後會使用的Mnist數字資料集的下載以及簡單的查看他的內容。