在Python中使用TensorFlow的read_data_sets()函数读取MNIST数据集的代码示例

在Python中，可以使用TensorFlow的read_data_sets()函数读取MNIST数据集。这个函数可以从官方网站下载MNIST数据集，并将数据集分为训练集、验证集和测试集。

下面是一个使用read_data_sets()函数读取MNIST数据集的示例代码：

import tensorflow as tf

# 设置MNIST数据集的下载路径
mnist_data_dir = './mnist_data'

# 使用read_data_sets()函数读取MNIST数据集
mnist = tf.keras.datasets.mnist

(x_train, y_train), (x_test, y_test) = mnist.load_data()

# 打印训练集和测试集的形状
print('训练集特征的形状：', x_train.shape)  # 输出：(60000, 28, 28)
print('训练集标签的形状：', y_train.shape)  # 输出：(60000,)
print('测试集特征的形状：', x_test.shape)   # 输出：(10000, 28, 28)
print('测试集标签的形状：', y_test.shape)   # 输出：(10000,)

# 可以将数据集划分为训练集、验证集和测试集
(x_train, x_valid) = x_train[5000:], x_train[:5000]
(y_train, y_valid) = y_train[5000:], y_train[:5000]

# 打印划分后的训练集、验证集和测试集的形状
print('训练集特征的形状：', x_train.shape)  # 输出：(55000, 28, 28)
print('训练集标签的形状：', y_train.shape)  # 输出：(55000,)
print('验证集特征的形状：', x_valid.shape)  # 输出：(5000, 28, 28)
print('验证集标签的形状：', y_valid.shape)  # 输出：(5000,)
print('测试集特征的形状：', x_test.shape)   # 输出：(10000, 28, 28)
print('测试集标签的形状：', y_test.shape)   # 输出：(10000,)

在上面的代码中，首先使用mnist.load_data()函数加载MNIST数据集，将数据集分为训练集和测试集。然后，我们可以使用切片操作将训练集划分为训练集和验证集。

最后，我们使用print语句打印数据集的形状，以验证数据集的划分是否正确。

需要注意的是，read_data_sets()函数是TensorFlow 2.x版本中的方法，如果您使用的是TensorFlow 1.x版本，可以使用tensorflow.examples.tutorials.mnist.input_data.read_data_sets()函数来读取MNIST数据集。

希望以上代码示例能帮助您在Python中使用TensorFlow的read_data_sets()函数读取MNIST数据集。祝您编程顺利！