我们将在PyTorch中构建一个简单的卷积神经网络，并使用MNIST数据集训练它识别手写数字。在MNIST数据集上训练分类器可以看作是图像识别的“hello world”。

输入手写的数字图片，可以通过神经网络识别出当前数字是多少

该资源包含Mnist数据集手写数字识别的训练及预测代码，mnist在神经网络准确率与迭代次数关系,分别在tensorflow和pytorch框架下，以及如何查看checkpoint中参数的相关内容，已经相关的checkpoint文件

简单好用的密码管理系统，纯手写。使用RSA保护你的密码。

基于python语言书写用到的函数库有tensorflow，numpy，pandas，matplotlib. 此压缩包下有包含（CNN手写数字识别.ipynb，CNN涂鸦识别.ipynb，两个数据集分别是minist手写字符集和Google涂鸦集，因占用空间超过1G，采用蓝奏云盘的格式分享，附加一份结课文档可参考）。手写数字识别采用卷积神经网路识别minist手写数字集，涂鸦识别采用卷积神经网络识别涂鸦集，经实验效果良好，准确率达到98%以上。并且使用绘图软件自己绘图识别，测试图片为自己绘制。 经实验，效果良好

手写图片加载Glide框架2

手写图片加载Glide框架

数理统计期末考试的体型比较统一，其实不用复习的这么全面，就实际情况来看，好多同学只刷了刷历年考题也都取得了接近满分的成绩，但我个人比较喜欢较劲，所有课后习题都认真理解了一下，还是很详细的，有需要的可以下载看看，没有积分的也可以直接联系我！

《Python神经网络编程》中提到的手写数字的数据集MNIST，用于神经网络训练和测试，不用再通过网络下载了，相关博文为《深度学习初遇——自己动手实现三层神经网络》。在主python文件相同目录下创建mnist_dataset文件夹，将资源文件中的所有文件放到刚创建的创建mnist_dataset文件夹下即可，资源中包括训练集的全部数据集和较小数据集以及测试集的全部数据集和较小数据集，大家根据自己的情况选择使用的数据集。网上可能也有相同的资源，这里上传是为读者方便运行博文《深度学习初遇——自己动手实现三层神经网络》中的代码。

K-NN（K近邻算法）实现手写字符的识别（C语言）实现，通过VS2010平台验证通过，代码详细易懂，是该算法上手的好资料.