运用tensorflow下的数据准备，以mnist手写数据集为例

import tensorflow as tf
import matplotlib.pyplot as plt
import numpy as np 

mnist = tf.keras.datasets.mnist
(x_trian,y_train), (x_test,y_test) = mnist.load_data()

##显示其中的图像，并验证标签
image_index = 123
plt.inshow(x_train[image_index]),cmap='Greys')
plt.show()
print(y_train[image_index])

##扩大矩阵大小
print('没扩张前大小',x_train.shape)
x_train = np.pad(x_train,((0,0),(2,2),(2,2)), 'constant',constant_values= 0)
print('扩张后大小',x_train.shape)

##换字符类型
x_train = x_train.astype('float32')
##归一化
x_train /=255
##重新配置通道
x_train = x_train.reshape(x_train.shape[0],32,32,1)
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。