‘壹’ 关于anaconda下运行tensorflow中的minst数据集问题
第一步：找到tensorflow-master\tensorflow\examples\tutorials\mnist下的mnist_with_summaries.py文件。找到文件末尾处下面几行语句。
parser.add_argument('--log_dir', type=str, default='/tmp/tensorflow/mnist/logs/mnist_with_summaries',
help='Summaries log directory')12
我们需要修改以下路径，比如修改成下面的路径：
parser.add_argument('--log_dir', type=str, default='C:/tmp/tensorflow/mnist/logs/mnist_with_summaries',
help='Summaries log directory')12
即将训练时记录的数据保存在C:/tmp/tensorflow/mnist/logs/mnist_with_summaries路径下，可以根据实际情况自行修改。
第二步：打开Anaconda Prompt，进入tensorflow-master\tensorflow\examples\tutorials\mnist路径下，运行命令
python mnist_with_summaries.py
‘贰’ 如何在tensorflow中运行各个minist python代码
tensorflow网站上给出了新的使用Anaconda配置和安装Tensorflow的步骤，经过测试，在国内可以无障碍的访问。 Anaconda 是一个基于Python的科学计算包集合，目前支持Python 2.7和3.5。
‘叁’ 如何用python解析mnist
1.我们首先看一下mnist的数据结构：
2.
可以看出在train-images.idx3-ubyte中，第一个数为32位的整数（魔数，图片类型的数），第二个数为32位的整数（图片的个数），第三和第四个也是32为的整数（分别代表图片的行数和列数），接下来的都是一个字节的无符号数（即像素，值域为0~255），因此，我们只需要依次获取魔数和图片的个数，然后获取图片的长和宽，最后逐个像素读取就可以了。
3.如何使用Python解析数据呢? 首先需要安装python的图形处理库PIL，这个库支持像素级别的图像处理，对于学习数字图像处理有很大的帮助。安装完成之后，就可以进行图像的解析了。看一下代码：
4.首先打开文件，然后分别读取魔数，图片个数，以及行数和列数，在struct中，可以看到，使用了’>IIII’，这是什么意思呢？意思就是使用大端规则，读取四个整形数（Integer），如果要读取一个字节，则可以用’>B’（当然，这里用没用大端规则都是一样的，因此只有两个或两个以上的字节才有用）。
5.什么是大端规则呢？不懂的可以网络一下，这个不再赘述（http://ke..com/link?url=Bgg8b0vRr3b_SeGyOl8U4DmAbIQT9swGuNtD_21ctEI_NliqsQ-mKF73YT90EILF2EQy50mEua_M4z6Cma3rmK）
6.然后对于每张图片，先创建一张空白的图片，其中的’L’代表这张图片是灰度图，最后逐个像素读取，然后写进空白图片里，最后保存图片，就可以了
7.再来看一下mnist标签的数据结构：
可以发现，与上面的非常相似，只不过这里每一个字节变成了标签而已（标签大小为0~9）
8.好了，通过上述讲解，最后我们可以通过python将mnist解析出来了，看一下效果：
程序源代码如下：
#!/usr/bin/env python
# -*- coding: utf-8 -*-
from PIL import Image
import struct
def read_image(filename):
f = open(filename, 'rb')
index = 0
buf = f.read()
f.close()
magic, images, rows, columns = struct.unpack_from('>IIII' , buf , index)
index += struct.calcsize('>IIII')
for i in xrange(images):
#for i in xrange(2000):
image = Image.new('L', (columns, rows))
for x in xrange(rows):
for y in xrange(columns):
image.putpixel((y, x), int(struct.unpack_from('>B', buf, index)[0]))
index += struct.calcsize('>B')
print 'save ' + str(i) + 'image'
image.save('test/' + str(i) + '.png')
def read_label(filename, saveFilename):
f = open(filename, 'rb')
index = 0
buf = f.read()
f.close()
magic, labels = struct.unpack_from('>II' , buf , index)
index += struct.calcsize('>II')
labelArr = [0] * labels
#labelArr = [0] * 2000
for x in xrange(labels):
#for x in xrange(2000):
labelArr[x] = int(struct.unpack_from('>B', buf, index)[0])
index += struct.calcsize('>B')
save = open(saveFilename, 'w')
save.write(','.join(map(lambda x: str(x), labelArr)))
save.write('\n')
save.close()
print 'save labels success'
if __name__ == '__main__':
read_image('t10k-images.idx3-ubyte')
read_label('t10k-labels.idx1-ubyte', 'test/label.txt')
‘肆’ python问题 \readmnist.py 19 IndexError: string index out of range
studen=('xzj','jzx','zxj','jxz'),
这一句中最后的逗号去掉
不去掉的话就相当于studen=(('xzj','jzx','zxj','jxz'),)
这样studen就是含有两个元素的tuple，new_studen[0][3]相当于studen[3]，所以就超出范围了
‘伍’ 用python进行深度学习的学习，以theano的基础教材学习，提示找不到mnist.pkl.gz，该如何解决
fromos.pathimportexists
print(filename)
print(exists(filename)
先运行这个看看
‘陆’ 如何将mnist导入到python
安装完需要额外依赖库删除编译Python所需要库
yum groupremove "Development tools" --remove-leaves
yum remove zlib-devel bzip2-devel openssl-devel ncurses-devel sqlite-devel readline-devel tk-devel
gdbm-devel db4-devel libpcap-devel xz-devel --remove-leaves！
‘柒’ 如何利用mnist进行机器学习
当前深度学习的神经网络架构已经能够在较低成本下对minist数据集中手写数据进行较高准确率的识别，而且其端到端的学习过程大大降低了开发者的使用门槛以及学习成本。建议直接上深度学习的方法具体课上知乎去搜“74行Python实现手写体数字识别”。