(1) CNN实现MNIST手写数字识别 (2) TensorFlow入门1-CNN网络及MNIST例子讲解 (3) Tensorflow 实现 MNIST 手

数字识别是扫描文档并将其转换为电子格式的过程中必不可少的元素。 在这项工作中，正在提出一种新的多像元大小（MCS）方法，以利用定向梯度直方图（HOG）特征和基于支持向量机（SVM）的分类器对手写数字进行有效分类。 基于HOG的技术对在相关特征提取计算中使用的像元大小选择很敏感。 因此，一种新的MCS方法已用于执行HOG分析和计算HOG功能。 该系统已经在基准MNIST手写数字基准数据库上进行了测试，使用独立测试集策略已达到99.36％的分类精度。 还使用10折交叉验证策略对分类系统进行了交叉验证分析，并且获得了10折分类精度为99.26％。 所提出的系统的分类性能优于使用复杂过程的现有技术，因为在特征空间和分类器空间中使用简单的操作已达到了同等或更好的结果。 该系统的混淆矩阵图和接收器工作特性（ROC）图显示了所提出的基于MCS HOG和SVM的新型数字分类系统的优越性能。

工程文件、数据集、源码下载； 深度学习 pytorch手写数字识别 MNIST数据集 解析+详细注释；

可支持手写数字识别，r和python两种语言编写，生成画板鼠标手写输入，也支持上传图片

MNIST数据集是一个手写体数据集，其中每个手写数字是一张28×28的灰度图片，图片的标记为一个0-9表示的数字。 MNIST数据集一共有60000张图片用来作为训练集，10000张图片来作为测试集。

压缩包中包含mnist数据集的所有图像，且已分好类！

官方手写数字识别数据集，压缩包内包含四个压缩文件：t10k-images-idx3-ubyte.gz t10k-labels-idx1-ubyte.gz train-images-idx3-ubyte.gz train-labels-idx1-ubyte.gz

该资源为机器学习入门项目《手写数字识别》的数据集，包含了训练数据和测试数据，mnist数据集广泛被使用，作为手写数字识别的公开数据集。

FCN实现手写数字数据集MNIST的识别，代码为自己翻写，包含MNIST数据集，代码与大量注释，及24页原创报告

迁移学习数据集-手写数字识别 (mnist vs usps)，可用于迁移学习。