　前回、ニューラルネットワークのプログラムを実装して独自課題（7segmentLED）によってその理解を深めました。　今回は出来上がったニューラルネットワークによるMNIST(エムニスト)の文字認識を行います。

1．　MNIST データの取得

　MNIST データについて簡単に紹介します。（MNIST の説明は多くの説明サイトがあります。ここではほんの概要だけです。）
　MNIST は画像認識用のサンプルデータで、数字の画像データを多量に収集したものです。テキストにしている書籍「ゼロから作るDeepLearning」に紹介されているGit-Hab[*1]から、プログラムと一緒にダウンロードすることができます。　その他にも多くの公開されていてサイト[*2]からも入手できます。
　MNIST データセットは4つあり、.ファイル形式はgzです。　'train-labels-idx1-ubyte.gz' , 'train-images-idx3-ubyte.gz' , ' t10k-labels-idx1-ubyte.gz' , 't10k-images-idx3-ubyte.gz' のファイルが有り、手書き数字のラベルとイメージの2種類が2個づつ、全部で4個あります。
　train- で始まるファイルは学習用データ。6万個の手書き数字データがあります。 train-labels-　は数字のラベル（正解のデータということ）で、train-images-が手書きのイメージデータとなります。ファイル冒頭部分にはデータ情報が記録されています。
> labels-　ファイルは
　(0-3) ファイル識別番号、　(4-7) データ数、　　(8-) ラベルデータ
> images-　ファイルは
　(0-3) ファイル識別番号、　(4-7) イメージのxデータ数、　(8-11) イメージのyデータ数、(12-) イメージデータ(x*yで1イメージ)　
となっています。　mages-ファイル入っているのは2次元のイメージデータで、データ数はラベルデータの数と同じです。
　t10k- で始まるファイルは学習効果の評価用データで、train- とは別に1万個の手書き数字データがあります。データ形式は同じです。　t10k- のデータは実力テスト問題と解答の様なもので、学習には使用しません。
　まず、MNIST データを読み込むプログラムを作ります。 MNIST データを提供しているサイトからgzファイルをダウンロードして作るPythonプログラムと同じフォルダに入れます。　同じフォルダーならフォルダー階層の指定が省略できるからです。　別の階層に入れた場合は、ファイル指定にディレクトリー指定が必要となります。
　パッケージインストールでgzipパッケージをインストールしてgz形式データを読み込みこめるようにします。読み込みにはwith文でファイルを開いて取り込みます。ラベルデータとイメージデータの読み込みに別々の関数、def read_labels (f_name) と def read_images(f_name)　を作りました。前のプログラムの＜def　plot_7segments( )＞を改良して、学習用の６万個のデータからランダムに取り出した100個を10×10のイメージでプロットするようにしています。
【プログラムXI-1】

2022.12