隨后，江寒操作著電腦，心無旁騖，很快就進入了狀態。
夏雨菲也不再來打擾他，拿著手機，半躺在床上，自己上網、聽歌。
江寒將高老師發送來的part012.rar和part013.rar下載下來，連同夏雨菲下載的前11個文件，放在了同一個文件夾中。
然后在第1個文件上點擊鼠標右鍵，選擇用WinRAR解壓縮，很快就得到了數據包。
一共兩個文件，train-images-idx3-ubyte與train-bels-idx1-ubyte。
idx3-ubyte和idx1-ubyte都是自定義的文件格式，官網上就有格式說明。
train-images文件大小超過1g，保存了20萬張手寫數字的圖片信息。
而train-bels中則存儲了20萬個標簽數據，與train-images一一對應。
和公開版本的MNIST不同，用于比賽的這個手寫數字數據集，數據量要大出好幾倍。
Kaggle官方將數據集分為兩部分，訓練集train向參賽選手公開，而測試集test則內部保存。
比賽的形式很簡單，大家根據公開的訓練集，編寫自己的程序，提交給主辦方。
主辦方用不公開的測試集數據，對這些程序逐一進行測試，然后比較它們在測試集上的表現。
主要指標是識別率，次要指標是識別速度等。
這是“人工神經網絡”在這類競技場上的初次亮相，江寒可不想鎩羽而歸。
事實上，如果想追求更好的成績，最好的辦法，就是弄出卷積神經網絡（）來。
那玩意是圖像識別算法的大殺器。
在“機器學習”這個江湖中，的威力和地位，就相當于武俠世界中的倚天劍、屠龍刀。
一出，誰與爭鋒！
只可惜，這個東西江寒現在還沒研究出來。
現上轎現扎耳朵眼，也來不及了。
再說，飯要一口口吃，搞研究也得一步步來。
跨度不能太大嘍，免得扯到蛋……
所以在這次比賽中，江寒最多只能祭出“帶隱藏層的全連接神經網絡”（F）。
有了這個限制，就好比戴著鐐銬跳舞，給比賽平添了不少難度和變數。
那些發展了幾十年的優秀算法，也不見得會輸普通的F多少。
所以，現在妄言冠軍十拿九穩，還有點為時過早。
不過，有挑戰才更有趣味性嘛，穩贏的戰斗打起來有什么意思呢？
江寒根據官網上找到的數據格式說明文檔，編寫了一個文件解析函數，用來從兩個train文件中提取數據。
train-images-idx3-ubyte的格式挺簡單的，從文件頭部連續讀取4個32位整形數據，就能得到4個參數。
用來標識文件類型的魔數m、圖片數量n、每張圖片的高度h和寬度w。
從偏移0016開始，保存的都是圖片的像素數據。
顏色深度是8位，取值范圍0～255，代表著256級灰度信息，每個像素用一個字節來保存。
然后，從文件頭中可以得知，每張圖片的分辨率都是28×28。
這樣每張圖片就需要784個字節來存儲。
很容易就能計算出每張圖片的起始地址，從而實現隨機讀取。
如果連續讀取，那就更簡單了，只需要每次讀取784個字節，一共讀取n次，就能恰好讀取完整個文件。
需要注意的是，圖像數據的像素值，在文件中存儲類型為unsignedchar型，對應的format格式為B。
所以在Python程序中，在image_size（取值為784）這個參數的后面，還要加上B參數，這樣才能讀取一整張圖片的全部像素。
如果忘了加B，則只能讀取一個像素……
train-bels-idx1-ubyte格式更加簡單。
前8個字節是兩個32位整形，分別保存了魔數和圖片數量，從偏移0009開始，就是unsignedbyte類型的標簽數據了。
每個字節保存一張圖片的標簽，取值范圍0～9。
江寒很快就將標簽數據也解析了出來。
接下來，用Matplot的繪圖功能，將讀取出來的手寫數字圖片，繪制到屏幕上。
然后再將對應的標簽數據，也打印到輸出窗口，兩者一比較，就能很輕松地檢驗解析函數是否有問題。
將解析函數調試通過后，就可以繼續往下進行了。
首先要將圖片的像素信息壓縮一下，二值化或者歸一化，以提高運算速度，節省存貯空間。