利用基于tensorflow2的keras框架，搭建CNN卷积神经网络模型，对手写数字识别数据集mnist进行分类，网络规模小，训练精度高。网络包括三个卷积层，两个池化层和全连接层，在测试集上实现了99%左右的识别率。
2021-05-22 22:13:10
2KB
1
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.
2021-05-17 18:08:34
11.06MB
1
DBRHD（手写数字）训练数据集与测试数据集，图片均归一化为以数字为中心的32*32规格的矩阵：空白区域用0表示，字迹部分用1表示。
2021-05-13 22:01:00
457KB
1
mnist.npz文件是手写数字的离线数据集，可以直接本地导入而且无需人工拆分为训练数据和测试数据，以及对应的数字标签，作为深度学习入门项目的数据集，可在python中打印出所有数字图像。
2021-05-12 22:23:19
10.96MB
1
Tesnorflow0.12.0版本，下载MNIST手写数字识别数据集的python代码
2021-04-21 18:50:19
7KB
1
代码可以参考博文：https://blog.csdn.net/weixin_43687366/article/details/88139441#comments_13625330
手写数字识别
手写数字识别
手写数字识别
2021-04-12 19:53:31
363KB
1