文件夹说明： 1. ./divert -- 全部进行像素反转后的 60000 张训练集图片； 2. ./divert_test -- 全部进行像素反转后的 60000 张测试集图片； 3. ./rotate -- 全部进行图像旋转后的 60000 张训练集图片； 4. ./rotate_test -- 全部进行图像旋转后的 60000 张测试集图片； 5. ./divert_and_rotate -- 像素反转后的 30000 张训练集图片 + 图像旋转后的 30000 张训练集图片； 6. ./divert_and_rotate_test -- 像素反转后的 30000 张测试集图片 + 图像旋转后的 30000 张测试集图片； 7. ./raw -- 手动创建的测试集图片，1-9 没有进行旋转，r1-r9 进行了不同角度的旋转 8. label_train.txt -- 训练集 label 9. label_test.txt -- 测试集label

工程文件、数据集、源码下载； 深度学习 pytorch手写数字识别 MNIST数据集 解析+详细注释；

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”。

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

MNIST手写数字数据库，练习图像识别的常用数据库之一。

该数据集是将从官网下载的MNIST数据集转换成了.png格式的图片之后的数据。新手通过本地使用该数据集训练模型可以更好的了解图像分类任务的完整的流程，有助于扩展到别的分类任务。

该程序为纯手写代码， 不使用任何深度学习相关库。网络使用卷积+全连接，且使用Dropout 在5分钟内实现97%以上的准确度。

MNIST Dataset 是一个手写数字数据集，其包含 60,000 个示例训练集和 10,000 个示例测试集，它主要用于机器视觉领域的图像分类，该数据集中的数字已经过尺寸标准化处理，并以固定尺寸的图像为中心。 MNIST Dataset 由纽约大学库兰特研究所、谷歌纽约实验室和微软雷德蒙研究院于 1998 年 11 月发布，主要发布人为 Y. LeCun、L. Bottou、Y. Bengio 和 P. Haffner，其目前已是图像分类中最经典的练习数据集。

MNIST手写数字数据集.zip

# Pytorch实现VAE变分自动编码器生成MNIST手写数字图像 1. VAE模型的Pytorch源码，训练后其解码器就是生成模型； 2. 在MNIST数据集上训练了50个epochs，训练过程的生成效果放在result文件夹下，训练后的模型保存为model.pth，可用于生成新的手写数字图像； 3. 训练代码会自动下载MNIST数据集，运行代码即可自行训练。