包括mnist数据集文件，输入数据的python代码，深度分类mnist代码，softmax函数代码以及整合的内含详细代码解释的mnist_with_summaries代码

深度学习常用数据集之一，fashion-mnist数据集，可看成是mnist数据集的升级版，数据的属性和mnist数据集一样（测试集和训练集的样本数）

fashion-mnist数据集和论文

FashionMNIST数据集的png格式 将FashionMNIST数据集整理为训练集和测试集文件夹，训练集和测试集里各含名称为0-9的10个文件夹，共60000张训练集，10000张测试集，图片格式png FashionMNIST 是一个替代 MNIST 手写数字集[1] 的图像数据集。 它是由 Zalando（一家德国的时尚科技公司）旗下的研究部门提供。其涵盖了来自 10 种类别的共 7 万个不同商品的正面图片。 FashionMNIST 的大小、格式和训练集/测试集划分与原始的 MNIST 完全一致。60000/10000 的训练测试数据划分，28x28 的灰度图片。你可以直接用它来测试你的机器学习和深度学习算法性能，且不需要改动任何的代码。

Fashion-MNIST数据集，

手写数字识别MNIST数据集，内含t10k-images-idx3-ubyte.gz等四个压缩文件以及卷积神经网络识别代码。

本数据集包含MNIST数据集的四个文件：train-images-idx3-ubyte.gz，train-labels-idx1-ubyte.gz，t10k-images-idx3-ubyte.gz，t10k-labels-idx1-ubyte.gz； 和一张图片mnist_10k_sprite.png

基于Mnist数据集的贝叶斯分类器,用python编写，读取原始数据集数据，进行分类，完整，简洁

MNIST应该是最简单，也是最好的起始数据集，使用极为简单的分类器就可以达到不错的泛化准确率（何为泛化？即我们的模型对于没有进入训练集的判断能力，反应了模型是否正确或是鲁棒），实际上，基本上由图像各密集像素区的简单分布就可以达到分类手写数字识别的目的（特别是限制了手写范围，数字一般处于居中的位置的时候）。此为其下载的脚本文件，此外，只需要一次下载后即可无须下载立刻使用，具体请看我的教程。

fashion-mnist深度学习数据集用来做练手最佳，而且是Kaggle上最近mnist系列的数据集，数据集的图像大小和类别与mnist数据一样，非常适合拿来做扩展运用。