使用run()函数在Python中下载和转换MNIST数据集的代码示例

要下载和转换MNIST数据集，可以使用TensorFlow提供的tf.keras.datasets模块。下面是一个使用run()函数下载和转换MNIST数据集的示例代码：

import tensorflow as tf
from tensorflow.keras.datasets import mnist

def download_and_convert_mnist():
    # 下载MNIST数据集
    (train_images, train_labels), (test_images, test_labels) = mnist.load_data()

    # 将图像数据归一化到0到1之间
    train_images = train_images / 255.0
    test_images = test_images / 255.0

    # 将图像数据转换为(float32)类型
    train_images = train_images.astype('float32')
    test_images = test_images.astype('float32')

    # 打印MNIST数据集的信息
    print("训练集图像形状:", train_images.shape)
    print("训练集标签形状:", train_labels.shape)
    print("测试集图像形状:", test_images.shape)
    print("测试集标签形状:", test_labels.shape)

    return train_images, train_labels, test_images, test_labels

if __name__ == '__main__':
    train_images, train_labels, test_images, test_labels = download_and_convert_mnist()

在这个示例中，首先使用mnist.load_data()函数下载MNIST数据集，并将数据分为训练集和测试集。

然后，对图像数据进行归一化处理，将像素值从0到255的整数转换为0到1之间的浮点数。

接下来，通过astype()函数将图像数据转换为float32类型，以便与后续的模型训练和预测操作兼容。

最后，打印出训练集和测试集的图像形状和标签形状，以验证数据加载和转换的正确性。

可以通过调用download_and_convert_mnist()函数来运行下载和转换MNIST数据集的代码，并获取处理后的训练集和测试集数据。