为何从同一MNIST数据集拆分的x_train与y_train形状不一致？

你使用的数据集加载代码及输出如下：

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

print(x_train.shape) >>> (60000, 28, 28)
print(y_train.shape) >>> (60000,)

二者形状不同是因为存储的内容和作用完全不同，具体原因如下：

• x_train是特征数据集，存储所有训练用的输入图片数据：
  第一个维度60000代表训练集总共有6万张图片；MNIST的每张图片是28×28像素的灰度图，每个图片的像素值用28行28列的二维矩阵存储，因此后两个维度分别对应图片的高度和宽度，最终形状为(60000, 28, 28)。
• y_train是标签数据集，存储每张训练图片对应的真实数字标注：
  第一个维度60000同样对应6万张训练样本；每张图片只需要一个0-9的标量值就能表示对应的真实数字，没有额外的维度需求，因此是长度为60000的一维数组，Numpy中一维数组的形状默认表示为(60000,)。

内容的提问来源于stack exchange，提问作者Ayesha Mustafa