简介 这是深度学习课程的第一个实验，主要目的就是熟悉 Pytorch 框架。MLP 是多层感知器，我这次实现的是四层感知器，代码和思路参考了网上的很多文章。个人认为，感知器的代码大同小异，尤其是用 Pytorch 实现，除了层数和参数外，代码都很相似。 Pytorch 写神经网络的主要步骤主要有以下几步： 1 构建网络结构 2 加载数据集 3 训练神经网络（包括优化器的选择和 Loss 的计算） 4 测试神经网络 下面将从这四个方面介绍 Pytorch 搭建 MLP 的过程。 项目代码地址：lab1 过程 构建网络结构 神经网络最重要的就是搭建网络，第一步就是定义网络结构。我这里是创建了一个四

KNN 实现mnist 数据集分类

MNIST数据集rar包，已下载jpeg格式打包

模仿MNIST数据集，生成自己的数据集，通过Visual Stdio和openCV实现，简单易用。

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。