MNIST手写数字数据库，练习图像识别的常用数据库之一。

MNIST数据集，pytorch，LeNet5网络实现，完整源码

MNIST 数据集图片共70000张

该数据集是将从官网下载的MNIST数据集转换成了.png格式的图片之后的数据。新手通过本地使用该数据集训练模型可以更好的了解图像分类任务的完整的流程，有助于扩展到别的分类任务。

fashion-mnist数据集，解压放到C:\Users\Administrator\.keras\datasets，tf.keras避免从下载失败

【从零开始学AI---opencv(python)学习教程】Mnist数据集

文件：python代码 内容：基于 anaconda+keras 框架，在 jupter notebook 中 构建多层感知器，识别MNIST数据集中的手写数字。 亲测可用，同学们可以放心下载。 MNIST数据集 (Mixed National Institute of Standards and Technology database) 是美国国家标准与技术研究院收集整理的大型**手写数字数据库**，包含 6万 个示例的训练集以及 1万 个示例的测试集。MNIST数字文字识别数据集数据量不太多，而且是单色的图像，比较简单，很适合深度学习的初学者用来练习建立模型、训练、预测。 经典的MNIST数据集包含了大量的手写数字。十几年来，来自机器学习、机器视觉、人工智能、深度学习领域的研究员们把这个数据集作为衡量算法的基准之一。你会在很多的会议，期刊的论文中发现这个数据集的身影。实际上，MNIST数据集已经成为算法作者的必测的数据集之一。有人曾调侃道："如果一个算法在MNIST不work, 那么它就根本没法用；而如果它在MNIST上work, 它在其他数据上也可能不work！"

是用于字母A到J的字体glypyhs的图像识别数据集，可用于简单的神经网络。 它与手写数字0到9的经典非常相似。 不幸的是，notMNIST数据的提供格式与MNIST数据的格式不同，因此，您不能只交换notMNIST数据文件并在其上不更改地运行神经网络。 这个仓库解决了这个问题：这里的四个* .gz文件具有与MNIST数据集中的同名文件相同的数据格式和相同的条目数。 但是图像不是手写数字，而是从A到J的字母（标签仍然是0到9）。 （这些文件在这里获得了notMNIST数据集的原始作者的许可。） 如果您有使用MNIST的神经网络，则应该能够替换此存储库中的数据文件并运行程序，而无需进行任何更改。 请注意，notMNIST数据集比MNIST更难，更不干净。 使用这些notMNIST文件，在MNIST上获得98％的准确度的简单2隐藏层网络就可以得到93或94％的准确度。 notMNIST数

dbn matlab代码

该程序为纯手写代码， 不使用任何深度学习相关库。网络使用卷积+全连接，且使用Dropout 在5分钟内实现97%以上的准确度。