利用LeNet模型并以此实现Mnist手写数据集的识别，里面包含了两种方法、自制测试数据，且附带详细说明，代码亲测都能使用，较为完整，欢迎下载

fashion-mnist数据集和论文

mnist手写数字识别，代码可在正确环境下直接运行。 欢迎下载

基于python3.7版本的tensorflow2.0实现mnist手写数字识别代码

用于将图片保存为mnist数据集格式，图片命名为‘\d*.jpg’，代码中txt文件为图片的数据标签，顺序与图片顺序一致

自己生成的mnist原本的ubyte格式转成的matlab的mat格式，包括train-image(train_x)60000*784，train-label(train_y)60000*1，test-image(test_x)10000*784，test-label(test_y)10000*1

用Python写的手写字体识别系统，基于TensorFlow的框架，很适合初学者的学习使用

mnist手写数字png-label测试和训练数据集；将ubyte文件转存为png将label存入txt。压缩包内有train和test两个文件夹。里面的内容是手写数字的图片和最后有一个label的txt。方便用matlab等做算法的人

FashionMNIST数据集的png格式 将FashionMNIST数据集整理为训练集和测试集文件夹，训练集和测试集里各含名称为0-9的10个文件夹，共60000张训练集，10000张测试集，图片格式png FashionMNIST 是一个替代 MNIST 手写数字集[1] 的图像数据集。 它是由 Zalando（一家德国的时尚科技公司）旗下的研究部门提供。其涵盖了来自 10 种类别的共 7 万个不同商品的正面图片。 FashionMNIST 的大小、格式和训练集/测试集划分与原始的 MNIST 完全一致。60000/10000 的训练测试数据划分，28x28 的灰度图片。你可以直接用它来测试你的机器学习和深度学习算法性能，且不需要改动任何的代码。

Fashion-MNIST数据集，