自主实现PCA和SVM对MNIST数据集进行多分类 1. 利用PCA进行降维 2. 利用SVM进行多分类 要求： 1. python编写 2. PCA及SMO算法自行实现 3. 程序注意可读性，添加必要注释

【预测模型】基于DNN深度神经网络实现minist数据集预测matlab源码.md

一 实现思路 1. 加载 MNIST 数据集，得到训练集与测试集 2. 将训练集与测试集转换为DataSet对象 3. 将数据顺序打散 避免每次读取数据顺序相同，使得模型记住训练集的一些特点，降低模型泛化能力。 4. 设置批训练 从训练集总数中随机抽取batchsize个样本，来进行模型训练，相比于使用所用样本构建模型，批训练花费的时间更少，计算效率更高。每训练一个次，就叫一个step，当经历若干个step使得把训练集所有样本训练过以后，那叫一个epoch 5. 数据预处理 图片像素值进行标准化，使得处于0到1的区间 图片的类别转化成one-hot编码 图片的标签是数字0到数字10，是属于多分

【图像分类】基于宽度学习实现minist数据集图像分类matlab源码.md

LeNet-5手写字体识别-Keras函数式模型完整代码，可进入网址 https://www.cnblogs.com/ailex/p/9617534.html 直接查看

深度学习经典网络AlexNet。其中包含有AlexNet经典论文和这篇英文论文的详细解读，还有tensorflow框架下的源代码实现。以及一个minist数据集的实践项目。对深度学习有兴趣的同学们可以下载。

最新mnist数据集，不需要从官网上下载， 直接从我这儿下载就全了，可以用在吴恩达视频的数据集，手写数据集识别

mnist数据集，已处理成train test文件，文件夹分好了，拿到可以直接进行训练或者测试，方便读取

卷积神经网络实现minist手写体识别

minist手写数字数据集（含代码，案例有softmax分类、knn分类和神经网络分类），代码简洁易懂，可以当做练手资料