使用TensorFlow的read_data_sets()函数加载MNIST手写数字数据集的代码实例

要使用TensorFlow的read_data_sets()函数加载MNIST手写数字数据集，首先需要导入必要的模块：

import tensorflow as tf

然后，我们可以利用read_data_sets()函数加载MNIST数据集。该函数有一个必需的参数，即要下载和存储数据集文件的目录。可以使用以下代码加载数据集：

mnist = tf.keras.datasets.mnist
(x_train, y_train), (x_test, y_test) = mnist.load_data()

这将加载MNIST数据集，并将训练和测试数据分别存储在x_train、y_train和x_test、y_test中。x_train和x_test是输入图像的集合，y_train和y_test是相应的标签集合。

接下来，我们可以打印训练集和测试集的形状，以确保数据加载正确：

print("训练集形状：", x_train.shape)
print("训练集标签形状：", y_train.shape)
print("测试集形状：", x_test.shape)
print("测试集标签形状：", y_test.shape)

这将打印出数据集的形状信息。

除了使用TensorFlow内置的MNIST数据集加载函数，我们还可以使用read_data_sets()函数从官方网站下载MNIST数据集。这个函数可以同时加载训练和测试数据，并将它们拆分为可用于训练和评估的批次。

以下是一个加载MNIST数据集的完整示例代码：

import tensorflow as tf

mnist = tf.keras.datasets.mnist
(x_train, y_train), (x_test, y_test) = mnist.load_data()

print("训练集形状：", x_train.shape)
print("训练集标签形状：", y_train.shape)
print("测试集形状：", x_test.shape)
print("测试集标签形状：", y_test.shape)

运行代码后，将会打印出MNIST数据集的形状信息。

注意：在运行代码之前，确保已经安装了TensorFlow和Keras库，并且已经正确设置了Python运行环境。