用Python玩转人工智能——数字识别技术 之一

目录

　　前言

　　一、MNIST数据集初始与导入

　　（一）MNIST 数据集（Mixed National Institute of Standards and Technology database）是一个广泛应用于机器学习中训练和测试的二进制图像数据集。以下是其详细介绍：

　　（二）本地导入MNIST数据集的方法

　　方法一：使用torchvision（PyTorch）

　　方法二：使用tensorflow.keras

　　方法三：手动下载并解析二进制文件

　　方法四：使用mnist库（简化版）

　　注意事项

---

　　前言

　　当下，玩代码，不会运用代码搞几套适合自己的人工智能模型，可以说代码白完了，这一套系列课程，我将结合自己学到的内容，帮大家总结一些能快速上手的模型，希望给大家一些编程方面的启发。

　　一、MNIST数据集初始与导入

　　（一）MNIST 数据集（Mixed National Institute of Standards and Technology database）是一个广泛应用于机器学习中训练和测试的二进制图像数据集。以下是其详细介绍：

• 　　发布方与发布时间：由美国国家标准技术研究所（NIST）于 1998 年发布。
• 　　数据来源：从 NIST 的 Special Database 3 和 Special Database 1 这两个手写数字数据集中分别取出部分图像，并经过一些图像处理后得到。
• 　　数据规模与划分：共有 70000 张图像，其中训练集 60000 张，测试集 10000 张。
• 　　数据格式与特点：所有图像都是 28×28 的灰度图像，以矩阵形式存储于 idx 格式的二进制文件中。图像中的手写数字居中显示。每张图像都有标注，共 10 个类别，代表 0~9 之间的一个数字。
• 　　应用领域：作为入门级的计算机视觉数据集，常用于图像识别模型的训练和测试，如线性分类器、K - 近邻算法、支持向量机、神经网络、卷积神经网络等，也广泛应用于教育领域，帮助初学者了解和掌握机器学习的基本概念和技术要点。