MNIST-Handwritten-Digit-Recognition

MNIST手写数字识别 概括 该项目的目的是编写一个程序，该程序可以识别和分类手写数字，并且其准确性要高于先前实现的99.15％。 为此，将训练卷积神经网络（CNN）模型并将其用于此任务。 包含70,000张图像的MNIST数据集将用于训练机器学习模型。 数据集中的每个图像都是大小为28x28像素的灰度图像。 最初，将数据集加载并存储到变量中。 然后将其分为训练数据和测试数据。 训练样本用于训练机器学习分类模型，而测试样本用于验证。 此外，将通过计算CNN模型的准确性得分来评估机器学习模型的性能。 背景技术卷积神经网络是一种由几层组成的机器学习模型。 对于分类和识别任务（包括手写数字识别）非常有用。 参考： : 挑战 由于我不熟悉OpenCV库，而且我对机器学习领域的了解有限，因此要在有限的时间内学习完成项目所需的所有概念将是一个挑战。 通过完成这个项目，我希望扩展我在机器学习概