深度学习基础网络模型(mnist手写体识别数据集)

压缩包中包含4个文件，分别为mnist的train和test文件，其中两个文件是全集，例外两个是包含100条数据，用于前期测试神经网络使用。对应的代码在也可以在本人上传的其他资源中找到。

python语言编写，利用TensorFlow建立两层卷积神经网络，数据集为手写体识别数据集MNIST，识别准确率99%

基于python编写，包含手写体识别项目的代码和完整数据集，可直接运行

使用K近邻算法实现手写体MINST数据集识别将MINST data解压后放到同一文件夹下运行即可.测试结果取3近邻时正确率为97.9取5近邻时正确率为97.64import operator impo

MNIST数据集,手写数字识别库。MNIST 数据集来自美国国家标准与技术研究所, National Institute of Standards and Technology (NIST). 训练集

该文件为mnist数据集的识别代码，只要运行main.m文件即可运行。

手写体识别原代码, C语言实现, 具有学习功能

matlab代码，不使用库函数。基于Dropout的手写体数字识别。

MNIST数据集比较小,一般入门机器学习都会采用这个数据集来训练 下载地址:yann.lecun.com/exdb/mnist/ 有4个有用的文件: train-images-idx3-ubyte:

kNN分类算法手写识别数据集