|
|
|
@ -1,13 +1,26 @@
|
|
|
|
<<<<<<< HEAD
|
|
|
|
|
|
|
|
# MNIST
|
|
|
|
# MNIST
|
|
|
|
|
|
|
|
MNIST数据集(Mixed National Institute of Standards and Technology database)是美国国家标准与技术研究院收集整理的大型手写数字数据库,包含60,000个示例的训练集以及10,000个示例的测试集。
|
|
|
|
|
|
|
|
借助这个数据集，可以实现对神经网络的训练，使得模型可以进行手写数字的识别。
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
=======
|
|
|
|
|
|
|
|
|
|
|
|
# TensorFlow
|
|
|
|
# TensorFlow
|
|
|
|
|
|
|
|
TensorFlow 是一个端到端开源机器学习平台。它拥有一个全面而灵活的生态系统，其中包含各种工具、库和社区资源，可助力研究人员推动先进机器学习技术的发展，并使开发者能够轻松地构建和部署由机器学习提供支持的应用。
|
|
|
|
|
|
|
|
1. 轻松地构建模型
|
|
|
|
|
|
|
|
在即刻执行环境中使用 Keras 等直观的高阶 API 轻松地构建和训练机器学习模型，该环境使我们能够快速迭代模型并轻松地调试模型。
|
|
|
|
|
|
|
|
2. 随时随地进行可靠的机器学习生产
|
|
|
|
|
|
|
|
无论您使用哪种语言，都可以在云端、本地、浏览器中或设备上轻松地训练和部署模型。
|
|
|
|
|
|
|
|
3. 强大的研究实验
|
|
|
|
|
|
|
|
一个简单而灵活的架构，可以更快地将新想法从概念转化为代码，然后创建出先进的模型，并最终对外发布。
|
|
|
|
|
|
|
|
|
|
|
|
=======
|
|
|
|
=======
|
|
|
|
# DigitalRecognition
|
|
|
|
# DigitalRecognition
|
|
|
|
|
|
|
|
|
|
|
|
#### 介绍
|
|
|
|
## 介绍
|
|
|
|
python项目--手写数字识别
|
|
|
|
python项目--手写数字识别
|
|
|
|
|
|
|
|
通过三个不同的模型实现对手写数字的识别。
|
|
|
|
|
|
|
|
|
|
|
|
#### 软件架构
|
|
|
|
## 软件架构
|
|
|
|
|
|
|
|
|
|
|
|
软件架构说明
|
|
|
|
软件架构说明
|
|
|
|
本项目使用深度学习框架TensorFlow2.x进行开发
|
|
|
|
本项目使用深度学习框架TensorFlow2.x进行开发
|
|
|
|
@ -20,7 +33,6 @@ python项目--手写数字识别
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
#### 参与贡献
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
