R调用tensorflow加载MNIST数据集查看前9个数字时报错如何解决

• 目前CRAN上的R版tensorflow包默认适配TensorFlow 2.x版本，tf$contrib模块在TensorFlow 2.0正式版中已经被全部移除，你使用的tf$contrib$learn$datasets是TensorFlow 1.x的废弃接口，无法在2.x环境下调用，因此触发对象不存在的报错。

直接使用Keras内置的MNIST加载接口（随TensorFlow包一起安装，无需额外装包），完整代码如下，包含加载数据集、提取前5000条训练数据、查看前9个数字的全流程：

# 加载tensorflow包
library(tensorflow)
# 调用TF2.x原生支持的MNIST加载接口
mnist <- tf$keras$datasets$mnist$load_data()
# 拆分训练集、测试集，训练集原始维度为(60000, 28, 28)，像素值范围0-255
c(c(train_images, train_labels), c(test_images, test_labels)) %<-% mnist

# 按需求提取前5000条训练数据，和你原代码格式对齐
Data <- tf$reshape(train_images[1:5000,,], shape = c(5000L, 784L))$numpy() # 拉平为784维向量
Labels <- train_labels[1:5000] # 原始标签为0-9的整数，无需额外矩阵计算
# 若需要one-hot格式标签可启用下行代码
# Labels_onehot <- tf$keras$utils$to_categorical(train_labels[1:5000], num_classes = 10L)$numpy()

# 查看前9个数字
par(mfrow = c(3,3), mar = c(0,0,2,0)) # 设置3行3列的画布，缩减边距
for(i in 1:9){
  img <- train_images[i,,]
  img <- t(apply(img, 2, rev)) # 翻转矩阵适配R的绘图坐标
  image(1:28, 1:28, img, col = gray.colors(256), axes = FALSE, main = paste("数字", Labels[i]))
}

• 加载得到的train_images原始格式为28*28的灰度图，无需额外维度转换就可以直接绘图
• 拉平后的Data矩阵和你原代码输出格式完全一致，不影响后续处理逻辑
• 绘图调用R基础绘图函数实现，不需要额外安装可视化依赖包，运行后直接输出3*3排列的前9个数字和对应标签

内容的提问来源于stack exchange，提问作者Vorrven