运用tensorflow下的数据准备，以mnist手写数据集为例

 1 import tensorflow as tf
 2 import matplotlib.pyplot as plt
 3 import numpy as np 
 4 
 5 mnist = tf.keras.datasets.mnist
 6 (x_trian,y_train), (x_test,y_test) = mnist.load_data()
 7 
 8 ##显示其中的图像，并验证标签
 9 image_index = 123
10 plt.inshow(x_train[image_index]),cmap='Greys')
11 plt.show()
12 print(y_train[image_index])
13 
14 ##扩大矩阵大小
15 print('没扩张前大小',x_train.shape)
16 x_train = np.pad(x_train,((0,0),(2,2),(2,2)), 'constant',constant_values= 0)
17 print('扩张后大小',x_train.shape)
18 
19 ##换字符类型
20 x_train = x_train.astype('float32')
21 ##归一化
22 x_train /=255
23 ##重新配置通道
24 x_train = x_train.reshape(x_train.shape[0],32,32,1)
25 print(x_train.shape)

因为使用的net网络的输入是接受32*32的大小图像的，故要扩充。也要四维输入，所以需要升维。