Python 加载 MNIST 数据集标签：完整代码示例及注释

本文将介绍如何使用 Python 加载 MNIST 数据集的标签数据。我们将提供完整的代码示例，并附带详细注释，帮助你轻松理解代码逻辑并应用于自己的项目。

代码示例:

import numpy as np

def loadLabels(fileName):
    with open(fileName, 'rb') as file:
        # 读取文件头信息
        magic_number = int.from_bytes(file.read(4), 'big')
        num_labels = int.from_bytes(file.read(4), 'big')

        # 读取标签数据
        labels = np.frombuffer(file.read(), dtype=np.uint8)

    return labels

使用方法:

该函数假设你已经下载并解压缩了 MNIST 数据集的标签文件（例如 'train-labels-idx1-ubyte' 和 't10k-labels-idx1-ubyte'）。函数将打开指定的文件并读取其中的标签数据。返回的 labels 是一个包含所有标签的 numpy 数组。

示例:

# 加载训练集标签
train_labels = loadLabels('train-labels-idx1-ubyte')

# 打印前 10 个标签
print(train_labels[:10])

注意:

这个函数只能加载 MNIST 数据集的标签数据，无法加载图像数据。
如果你也需要加载图像数据，请使用其他方法或库来加载 MNIST 数据集的图像数据，例如 fetch_openml 函数。

希望这个代码示例能够帮助你加载 MNIST 数据集的标签数据！如有其他问题，请随时提问。