手写数字的MNIST数据集，该数据集包含60,000个用于训练的示例和10,000个用于测试的示例。这些数字已经过尺寸标准化并位于图像中心，图像是固定大小(28x28像素)，其值为0到1。每个图像都被平展并转换为784(28 * 28)个特征。

用于深度学习入门用的手写数字识别数据集，有时下载 的比较满，这里作为备份，方便下载！

利用自动编码器实现手写数字图像数据集的二维平面的展示 import tensorflow as tf import matplotlib.pyplot as plt from tensorflow.examples.tutorials.mnist import input_data mnist = input_data.read_data_sets("MNIST_data/", one_hot=False)#独热编码设为False # xs, ys = mnist.train.next_batch(10) #这个函数是取出一些数据。是从训练集里一次提取10张图片。则xs中存储的是图像的数据，ys存储的是这些图像对应的类别 # print (ys) #此时打印的应该是类别 # mnist = input_data.read_data_sets("MNIST_data/", one_hot=True) # xs,ys = mnist.train.next_batch(10) # print (ys) #此时打印的应该是独热编码的形式

mnist.npz 适合新手的手写数字识别本地数据集，可以用来做简单的卷积神经网络，循环神经网络等深度学习模型

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

官方手写数字识别数据集，压缩包内包含四个压缩文件：t10k-images-idx3-ubyte.gz t10k-labels-idx1-ubyte.gz train-images-idx3-ubyte.gz train-labels-idx1-ubyte.gz

Minist数据集训练和测试全部都在

手写数字识别数据集MNIST

该资源包括数字0-9的手写数据集。每个数字大约有200个样本。每个样本保持在一个txt文件中，数字图像是32x32，所以txt文件的内容也是32x32个数字，0或者1。 具体使用方法请参看笔者的博客。

手写数字识别数据集-宽高是 32 像素 x 32 像素