如何打印经过Reshape处理后的MNIST训练图像与测试图像的形状

嗨，这事儿超简单的！你只需要利用NumPy数组的shape属性，配合print()函数就能轻松查看Reshape后的图像维度啦。

先回顾下你已经写好的预处理代码：

(train_images, train_labels), (test_images, test_labels) = keras.datasets.mnist.load_data()

train_images = train_images.reshape(train_images.shape[0],28,28,1)
test_images = test_images.reshape(test_images.shape[0],28,28,1)

接下来，你只需要在这段代码的末尾添加下面这两行，就能打印出Reshape后的形状了：

# 查看Reshape后的训练图像形状
print("Reshaped训练集图像形状：", train_images.shape)
# 查看Reshape后的测试图像形状
print("Reshaped测试集图像形状：", test_images.shape)

运行之后，你会得到类似这样的输出：

Reshaped训练集图像形状： (60000, 28, 28, 1)
Reshaped测试集图像形状： (10000, 28, 28, 1)

这里简单解释下每个数字的含义：

• 第一个数字是样本总数（MNIST训练集默认60000张，测试集默认10000张）
• 后面的28,28是图像的宽和高（MNIST数据集的图像是28x28像素的灰度图）
• 最后一个1是图像的通道数，这是你手动添加的单通道维度，方便后续输入到卷积神经网络中使用

如果想直观对比Reshape前后的维度变化，也可以在reshape操作之前加上print("原始训练集图像形状：", train_images.shape)，这样能更清晰看到维度的转换过程哦~

备注：内容来源于stack exchange，提问作者Brijesh Munjiyasara