该项目是根据MIDAS @ IIITD夏季实习计划下的任务提交完成的。 采取的任务->任务2 该任务分为三个部分: 使用训练CNN,并且不使用其他数据源或预训练的网络。 此部分还有两个部分适用于先前数据集的子集。 通过从上述数据集中仅选择0-9个训练图像,使用预训练网络对MNIST数据集进行训练。 使用标准的MNIST训练和测试分割与上述结果进行比较。 最后,获取以下,并对该数据集进行训练。 任务2第1部分 该数据集已从。 数据集有62个标签,其中10个标签为0到9位数字,而26-26个标签为英文字母的大写和小写字母。 每个标签总共有40张图像,我在代码本身中将它们分为训练图像和验证图像。 此存储库中包含用于训练CNN模型的代码。 我遵循了一个非常简单的对称顺序模型,在某些卷积层之后具有隐藏层。 我从以前的CNN模型(植物叶病分类器)中获得了参考。 该代码是最优化的模