minist手写数字数据集(原始图片)；
42000张图片，0-9MNIST数据集来自美国国家标准与技术研讨所,NationalInstituteofStandardsandTechnology(NIST).训练集(trainingset)由来自250个不同人手写的数字构成,其中50%是高中学生,50%来自人口普查局(theCensusBureau)的工作人员.测试集(testset)也是同样比例的手写数字数据.
42000张图片，0-9MNIST数据集来自美国国家标准与技术研讨所,NationalInstituteofStandardsandTechnology(NIST).训练集(trainingset)由来自250个不同人手写的数字构成,其中50%是高中学生,50%来自人口普查局(theCensusBureau)的工作人员.测试集(testset)也是同样比例的手写数字数据.
2023/2/5 6:35:45
28.81MB
1
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
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
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
深度学习常用数据集之一，fashion-mnist数据集，可看成是mnist数据集的晋级版，数据的属性和mnist数据集一样（测试集和训练集的样本数）
2021/4/17 21:30:50
34.62MB
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