国科大模式识别刘成林第六次作业数据集和程序，mnist数据集，SVM支持向量分类，验证。程序可能需要自己调整。

手写数字MNIST数据集，包含mnist_train.csv和mnist_test.csv两个训练集和测试集

众所周知，Mnist数据集是深度学习入门所需的数据集，但是Chinese_Mnist数据集可以作为前者的补充，在熟悉Mnist数据集后可以用来练手

MNIST的数据集，从官网下载速度只有几k，这里下好了。本来想免费的，结果CSDN现在最低都要2分了，不懂这里面的逻辑

单个手写数字手写例程+mnist数据集+数据集训练方法

Fashion-MNIST 数据集，是Kaggle上热门的数据集，放在代码MNIST_data子目录可直接使用在Keras的数据集加载的函数中。

官网下载的mnist数据集，caffe训练使用；压缩包中包含 train-images-idx3-ubyte.gz、train-labels-idx1-ubyte.gz、t10k-images-idx3-ubyte.gz、t10k-labels-idx1-ubyte.gz 四个数据包。

CGAN的全拼是Conditional Generative Adversarial Networks，条件生成对抗网络，在初始GAN的基础上增加了图片的相应信息。 这里用传统的卷积方式实现CGAN。 import torch from torch.utils.data import DataLoader from torchvision.datasets import MNIST from torchvision import transforms from torch import optim import torch.nn as nn import matplotlib.pyplot

是我大作业的代码了哈哈，要是需要带注释的可以私聊哈哈 代码使用方法： 1. 读取数据集 2. 初始化模型参数（选择哪个模型就初始化哪个） 3.定义激活函数（只有选择带隐含层的模型才需要激活函数） 4.防止过拟合（只有选择带隐含层的模型才需要防止过拟合，不过因为下面我们用的权重衰减在训练是也有定义，所以我们需要也给它加个定义） 5.定义模型（选择哪个模型就定义哪个） 6.定义损失函数 7. 定义优化函数 8.训练模型（训练结束可进行绘图） 9. 进行预测 可变参数： 1.选择模型（三种模型，可选用） 2.激活函数（两种） 3.防止过拟合（两种方法，可选用也可都用） 权重衰减（通过lambd 来调整， lambd = 0 即不使用此方法） 丢弃法（通过定义模型时选择） 4.损失函数（咱们的代码只用了一种） 5.优化方法（咱们的代码只用了一种） 6.训练模型（迭代周期数num_epochs和学习率lr可调） 7.定义数据集时小批量的大小

机器学习、深度学习常用标准数据集之一