这个实现的目标数据集是MNIST，通过VAE生成，可以给初学者一个直观的有趣的尝试

基于tensorflow对minst数据集进行分类，分别用了卷积神经网络和softmax回归算法。

本系统是本人研一上学期在模式识别课程结束以后做的小项目，就是一个最普通的训练，还用了matlab的nntraintool。matlab版本为2016，据说是2018版本及以后的matlab都用不了了（手写板的eraser类不再支持什么的，我不太了解，2016完美运行）。系统的数据集来自minst手写数据集，不过进行了一些处理，只用到了50000个数据。系统的准确率还是可以的，在我的电脑上运行一次大概10分钟，准确率在96%以上，而且手写板上手写了的数字可以识别出来真的很好玩诶！本系统还有1.1版本，ver1.1可以实现多个数字的识别（即一识别就是一串）和语音播报。看原理的话，还是1.0容易一些。以后有时间会把1.1传上来，不要着急喔

verilog硬件语言实现minst神经网络，本文件包括本工程及全套代码，货真价实！

此资源包含四个压缩包，分别是mnist训练集图像数据，训练集标签，测试集图像，测试集标签,可以用于机器学习中的数据集

用卷积神经网络来完成MNIST手写数字算法的详细说明，及对conv2d及max_pool的详细说明

用verilog实现minst 的数字识别, 可以用modelsim看结果, 如果要部署到fpga上, PL的资源要非常非常多代码下载包含5个仿真文件 https://blog.csdn.net/howard789/article/details/111346263

机器学习入门代码,可以自行上传图片进行测试

利用支持向量机学习并识别minst数据库中的图片，可以实现手写数字识别，所需要的minst数据库需要到minst官网下载

MNIST 数据集来自美国国家标准与技术研究所, National Institute of Standards and Technology (NIST). 训练集 (training set) 由来自 250 个不同人手写的数字构成, 其中 50% 是高中学生, 50% 来自人口普查局 (the Census Bureau) 的工作人员. 测试集(test set) 也是同样比例的手写数字数据.