利用tensorflow2和python进行手写数字识别。

实验CNN数字手写体识别基于python jupyter notebook android （可运行）可安装在手机.zip实验CNN数字手写体识别基于python jupyter notebook android （可运行）可安装在手机.zip实验CNN数字手写体识别基于python jupyter notebook android （可运行）可安装在手机.zip实验CNN数字手写体识别基于python jupyter notebook android （可运行）可安装在手机.zip实验CNN数字手写体识别基于python jupyter notebook android （可运行）可安装在手机.zip实验CNN数字手写体识别基于python jupyter notebook android （可运行）可安装在手机.zip实验CNN数字手写体识别基于python jupyter notebook android （可运行）可安装在手机.zip实验CNN数字手写体识别基于python jupyter notebook android （可运行）可安装在手机.zip实验CNN数字手写体识别基于python jupyter notebook android （可运行）可安装在手机.zip实验CNN数字手写体识别基于python jupyter notebook android （可运行）可安装在手机.zip实验CNN数字手写体识别基于python jupyter notebook android （可运行）可安装在手机.zip实验CNN数字手写体识别基于python jupyter notebook android （可运行）可安装在手机.zip实验CNN数字手写体识别基于python jupyter notebook android （可运行）可安装在手机.zip实验CNN数字手写体识别基于python jupyter notebook android （可运行）可安装在手机.zip实验CNN数字手写体识别基于python jupyter notebook android （可运行）可安装在手机.zip实验CNN数字手写体识别基于python jupyter notebook android （可运行）可安装在手机.zip实验CNN数字手写体识别基于python jupyter notebook android （可运行）可安装在手机.zip实验CNN数字手写体识别基于python jupyter notebook android （可运行）可安装在手机.zip实验CNN数字手写体识别基于python jupyter notebook android （可运行）可安装在手机.zip实验CNN数字手写体识别基于python jupyter notebook android （可运行）可安装在手机.zip实验CNN数字手写体识别基于python jupyter notebook android （可运行）可安装在手机.zip实验CNN数字手写体识别基于python jupyter notebook android （可运行）可安装在手机.zip实验CNN数字手写体识别基于python jupyter notebook android （可运行）可安装在手机.zip实验CNN数字手写体识别基于python jupyter notebook android （可运行）可安装在手机.zip实验CNN数字手写体识别基于python jupyter notebook android （可运行）可安装在手机.zip实验CNN数字手写体识别基于python jupyter notebook android （可运行）可安装在手机.zip实验CNN数字手写体识别基于python jupyter notebook android （可运行）可安装在手机.zip实验CNN数字手写体识别基于python jupyter notebook android （可运行）可安装在手机.zip实验CNN数字手写体识别基于python jupyter notebook android （可运行）可安装在手机.zip实验CNN数字手写体识别基于python jupyter notebook android （可运行）可安装在手机.zip实验CNN数字手写体识别基于python jupyter notebook android （可运行）可安装在手机.zip

基于sklearn的手写体数字识别

对于脱机手写体汉字识别进行整体介绍 各种方法 以及库的介绍

mnist手写体数字识别，含mnist数据集，训练代码，验证代码和测试源代码，实验报告以及手写体数字的测试样例图片，可以在终端对预测值和原始值进行输出。其中运行环境为pycharm+tensorflow1.x

自制手写体MNIST数据集0~9，可用于测试MNIST模型的学习结果，格式为png图像，28*28像素，白底黑字。

基于 Linux c++ mpich， 用 mpich实现了入门级别的机器学习-手写体数字识别

使用Python+TensorFlow，全连接的神经网络，基于MNIST数据集。数据集包含60000张训练图片，10000张测试图片。MNIST_model文件夹是已经训练30000次的模型，也可以自己再训练。app.py文件可以测试自己的图片。

基于卷积神经网络的手写字体识别，可较为准确识别手写汉字、数字，英文字符 具备手写板功能（Matlab 2018 开发，其余版本兼容性未知）

共包含3755类手写汉字，训练集来自240人写的897758个汉字，测试集来自60人写的223991个汉字。