• 测试数据集：t10k-images-idx3-ubyte.gz（1.57 MB ，包含10,000个样本）。
• 测试数据集标签：t10k-labels-idx1-ubyte.gz（4.43 KB，包含10,000个样本的标签）
• 训练数据集：train-images-idx3-ubyte.gz （9.45 MB，包含60,000个样本）。
• 训练数据集标签：train-labels-idx1-ubyte.gz（28.2 KB，包含60,000个标签）。

参考文章：https://blog.csdn.net/bwqiang/article/details/110203835

• 6万条训练数据集里真正用来训练的只有5.5万条数据，还有5千条数据用来验证训练效果

使用TensorFlow读取数据集

import tensorflow.examples.tutorials.mnist.input_data as input_data
mnist = input_data.read_data_sets("MNIST_data/", one_hot=False)

print(dir(mnist))
print("MNIST数据集的类型是： %s'" % (type(mnist)))
print("训练集的数量是：%d" % mnist.train.num_examples)
print("验证集的数量是：%d" % mnist.validation.num_examples)
print("测试集的数量是：%d" % mnist.test.num_examples)'''
['__add__', '__class__', '__class_getitem__', '__contains__', '__delattr__', '__dir__', '__doc__', '__eq__', '__format__', '__ge__', '__getattribute__', '__getitem__', '__getnewargs__', '__getstate__', '__gt__', '__hash__', '__init__', '__init_subclass__', '__iter__', '__le__', '__len__', '__lt__', '__match_args__', '__module__', '__mul__', '__ne__', '__new__', '__reduce__', '__reduce_ex__', '__repr__', '__rmul__', '__setattr__', '__sizeof__', '__slots__', '__str__', '__subclasshook__', '_asdict', '_field_defaults', '_fields', '_make', '_replace', 'count', 'index', 'test', 'train', 'validation']
MNIST数据集的类型是： <class 'tensorflow.examples.tutorials.mnist.input_data._Datasets'>'
训练集的数量是：55000
验证集的数量是：5000
测试集的数量是：10000
'''