我是使用 Python 学习 Keras 的初学者。
我已经阅读了一些使用 MNIST 数据集加载数据集的示例代码。
我不明白变量 ( X_train, y_train) 和 ( X_test, y_test)。
请帮我解释这些变量的目的。
此外，为这些变量分配了哪些类型的数据？
from keras.datasets import mnist
from keras.models import Sequential
from keras.layers import Dense
from keras.utils import np_utils
# Load data
(X_train, y_train), (X_test, y_test) = mnist.load_data()
数据集包含大约 75 000 张手写数字的Mnist样本图像。每个数字还带有一个标签，其中包含可以在图像中看到的数字。每个图像都有大小28x28像素。这些图像被分成两部分。training-Images和Test-Images。_ 您使用training-images来训练您的模型。然后你通过测试生成的神经元网络在未使用和未见的情况下工作得有多好来验证你的accuracy和。losstest-images
(X_train, Y_train)是一个元组，存储在一个变量/列表元素中的两个值的组合......
然后图像作为数组存储在这些列表中。因此X_train包含大约 60 000 个大小为 784 (28*28) 的数组。每个单元格代表一个像素的值。它可以是从 0（白色）到 255（黑色）的任何值
X_test包含一个包含大约 15 000 个此类数组的列表。适合图像的标签存储在所属的 Y_train/Y_test 中
根据keras 文档：
x_train, x_test: uint8 灰度图像数据数组，形状为 (num_samples, 28, 28)。
y_train, y_test: uint8 数字标签数组（0-9 范围内的整数），形状为 (num_samples,)。
x_train分别y_train是用于训练的特征和标签。x_test和y_test分别是用于测试的特征和标签。