1、共有10数据集，下载之后保存在磁盘中（最好放在你代码执行目录下，方便后期使用。）如新建一个文件夹D:*****\MNIST_data存放数据。 train-images-idx3-ubyte.gz: training set images (9912422 bytes) train-labels-idx1-ubyte.gz: training set labels (28881 bytes) t10k-images-idx3-ubyte.gz: test set images (1648877 bytes) t10k-labels-idx1-ubyte.gz: test set labels (4542 bytes) 2、此数据集中， 训练样本：共5000个

手写体数字识别系统的源代码 对大家非常又帮助

基于matlab的知识库的手写体数字识别。首先，读入手写数字图片进行图像归一化处理，统一尺寸，默认为24X24图像块，并通过ostu算法进行二值化；其次，对二值化图像进行图像细等形态学操作，并按照算法要求特征提取；最后，载入模版矩阵进行比对，选用欧氏距离测度，得到识别结果。

利用tensorflow2和python进行手写数字识别。

基于sklearn的手写体数字识别

mnist手写体数字识别，含mnist数据集，训练代码，验证代码和测试源代码，实验报告以及手写体数字的测试样例图片，可以在终端对预测值和原始值进行输出。其中运行环境为pycharm+tensorflow1.x

基于 Linux c++ mpich， 用 mpich实现了入门级别的机器学习-手写体数字识别

使用Python+TensorFlow，全连接的神经网络，基于MNIST数据集。数据集包含60000张训练图片，10000张测试图片。MNIST_model文件夹是已经训练30000次的模型，也可以自己再训练。app.py文件可以测试自己的图片。

基于神经网络的手写体数字识别（用matlab实现）亲测可用

毕业都好几个月了，这个是我本科毕业的毕业论文。当初这个毕业设计被评分为91分.拿来卖应该问题不大，但是我想自己也不缺那几个钱，还不如给那些喜欢搞图像识别方面的同志共享一下。（注意：请勿用本论文，作为商业目的。） 该资源里面包括：毕业论文演示的PPT、说明书、毕业设计论文、开题报告和大文摘。 本毕业设计的源代码貌似还残留着，如果想获得源代码的就看大家的对本资源的支持程度了。