在Python中调用MNIST数据集，你可以使用不同的库，例如TensorFlow和PyTorch。以下是使用TensorFlow和PyTorch加载MNIST数据集的示例代码：
使用TensorFlow加载MNIST数据集
```python
import tensorflow as tf
from tensorflow.keras.datasets import mnist
加载MNIST数据集
（train_images, train_labels）, （test_images, test_labels） = mnist.load_data（）
数据归一化
train_images = train_images / 255.0
test_images = test_images / 255.0
调整数据形状，增加通道维度（因为是灰度图像，通道数为1）
train_images = train_images.reshape（（60000, 28, 28, 1））
test_images = test_images.reshape（（10000, 28, 28, 1））
使用PyTorch加载MNIST数据集```pythonimport torch
import torchvision.transforms as transforms
from torchvision import datasets
from torch.utils.data import DataLoader
定义转换：将图像转为Tensor并标准化
transform = transforms.Compose（[
transforms.ToTensor（）,
transforms.Normalize（（0.5,）, （0.5,））
]）
下载MNIST数据集
train_dataset = datasets.MNIST（root='./data', train=True, download=True, transform=transform）
test_dataset = datasets.MNIST（root='./data', train=False, download=True, transform=transform）
创建数据加载器
train_loader = DataLoader（train_dataset, batch_size=64, shuffle=True）
test_loader = DataLoader（test_dataset, batch_size=64, shuffle=False）
以上代码展示了如何使用TensorFlow和PyTorch库分别加载MNIST数据集。你可以根据自己的需求选择合适的库进行操作。