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pngFashionMNIST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功能，且不需要改动任何的代码。
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功能，且不需要改动任何的代码。
2021/3/18 16:51:04
39.06MB
1
这个资源使用实现lenet-5的网络结构来MNIST数据集，代码参考了UFLDL上的相关的代码，以及R.B.Palm实现的CNN中的相关代码，为了顺应数据集我把lenet-5输入的大小改为了28*28，c3的每一张特征图都与s4的每一张特征图相关，训练的结果可以达到99.1%
2019/2/16 13:07:44
10.17MB
1
手写数字集MNIST运用matlab处理后得到的mnist_uint8.mat数据。
数据为uint8类型的图像像素数据，包含train_x,train_y,test_x,test_y,每项都是一行向量的方式存储的。
数据为uint8类型的图像像素数据，包含train_x,train_y,test_x,test_y,每项都是一行向量的方式存储的。
2017/2/23 12:32:55
11.29MB
1
MNIST是在机器学习领域中的一个经典问题。
该问题处理的是把28x28像素的灰度手写数字图片识别为相应的数字，其中数字的范围从0到9.MNIST包含了训练集与测试集数据。
该问题处理的是把28x28像素的灰度手写数字图片识别为相应的数字，其中数字的范围从0到9.MNIST包含了训练集与测试集数据。
2015/5/5 6:44:15
11.06MB
1
本项目即拿MFC做了一个画板，画一个数字后可自行识别数字。
有保存图片，清空画板功能，简单实用。
识别方法为SVM，调用已经训练好的MNIST数据集"SVM_DATA.xml"训练方法自行百度，一大堆。
。
。
基于OpenCv2.4.6,下载的朋友自行修改配置为本人使用的OpenCv版本即可。
有保存图片，清空画板功能，简单实用。
识别方法为SVM，调用已经训练好的MNIST数据集"SVM_DATA.xml"训练方法自行百度，一大堆。
。
。
基于OpenCv2.4.6,下载的朋友自行修改配置为本人使用的OpenCv版本即可。
2020/5/12 19:21:26
10.93MB
1
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，也可以本人再训练。
app.py文件可以测试本人的图片。
也可以到github下载https://github.com/BuXianShan/Handwritten-Numeral-Recognition
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，也可以本人再训练。
app.py文件可以测试本人的图片。
也可以到github下载https://github.com/BuXianShan/Handwritten-Numeral-Recognition
2018/2/6 15:10:15
17.36MB
1
HopfieldNeuralNetwork——Hopfield神经网络的python代码，基于Language:Python3.5.x，API:GoogleTensorFlow1.0.x。
实验案例有训练Hopfield网络对MNIST数字举行分类等。
实验案例有训练Hopfield网络对MNIST数字举行分类等。
2017/8/11 11:57:28
12KB
1
本代码为matlab实现的支持向量机模式识别算法，对MNIST数据集进行三种样本分类，如果电脑内存够大，可以实现更多的类别分类，另外exclass是对随机的两个样本分类，也可以参考，exmuticlassall为对MNIST数据集分类，正文掉的代码也可以实现随即三样本分类并作图。
2018/4/24 2:04:03
12.71MB
1
在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。
每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。
另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。
为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。
2024-04-09 15:03
15KB