在《深度学习入门：基于Python的理论与实现》章节的第三章就开始以MNIST数据集为基础编写代码。然而根据源码的操作，很有可能会出现mnist下载超时的情况。以下是解决方案：
1. 获取代码读取数据集的路径
以mnist_show.py为例：
mnist_show.py源码：
# coding: utf-8
import sys, os
sys.path.append(os.pardir) # 为了导入父目录的文件而进行的设定
import numpy as np
from dataset.mnist import load_mnist
from PIL import Image
def img_show(img):
pil_img = Image.fromarray(np.uint8(img))
pil_img.show()
(x_train, t_train), (x_test, t_test) = load_mnist(flatten=True, normalize=False)
img = x_train[0]
label = t_train[0]
print(label) # 5
print(img.shape) # (784,)
img = img.reshape(28, 28) # 把图像的形状变为原来的尺寸
print(img.shape) # (28, 28)
img_show(img)
然后就会执行load_mnist函数。
dataset目录内mnist.py文件的 load_mnist函数代码的开头：
print("!!!!",save_file) # 打印读取的路径
if not os.path.exists(save_file):
init_mnist()
然后打印save_file变量，获得路径地址，一般都是默认的dataset目录内。
2. 手动下载MNIST数据集
MNIST数据集的官网，下载：
train-images-idx3-ubyte: training set images
train-labels-idx1-ubyte: training set labels
t10k-images-idx3-ubyte: test set images
t10k-labels-idx1-ubyte: test set labels
保存到第一步中获取的路径。
3. 执行代码
一般都可以顺利执行了：
PS.如果自己来复现项目，一定记得要复制dataset目录到自己项目的目录下。