# 手写数字识别

**Repository Path**: greghawk/handwritten-digit-recognition

## Basic Information

- **Project Name**: 手写数字识别
- **Description**: 基于MNIST数据集，使用卷积神经网络进行训练，得到可以高准确率识别手写数字的模型。
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 2
- **Forks**: 0
- **Created**: 2025-06-10
- **Last Updated**: 2025-06-27

## Categories & Tags

**Categories**: Uncategorized

**Tags**: 卷积神经网络, 图像识别, Python

## README

# 手写数字识别

#### 介绍
基于MNIST数据集，使用卷积神经网络进行训练，得到可以高准确率识别手写数字的模型。


#### 安装教程

1.  本项目可以使用GPU加快训练速度，前提是在环境中有对应的cuda和GPU版本的pytorch

#### 使用说明

1.  如果只是想要对图片进行预测，可以不运行“数据集下载.py”。
2.  如果想要训练属于自己的模型，第一次运行之前，一定要运行“数据集下载.py”。
3.  也可以在“数据集下载.py”中更改数据集的源头，使用不同的数据集，但要注意你使用的数据集的组织形式必须和MNIST数据集相同，否则，要对“数据集下载.py”文件进行相应的更改，使得最终的本地数据集组织形式符合要求。
4.  在model文件夹中有一个预训练模型，因为其基于MNIST数据集训练而成，推荐使用黑底白字形式的图片进行预测，若图片为白底黑字等其他形式，推荐使用opencv对图片进行预处理再保存到my_data文件夹中。
5.  在使用模型进行预测时，可以更改“预测.py”中的PATH_best的值选择不同的模型（前提是你训练了这个模型并保存在对应的地址）。
6.  在训练时可以调整超参数，使用Adam优化器时，lr推荐在0.001到0.0001之间。

#### 参与贡献

1.  Greg Hawk      greghawk@163.com


#### 特技

1.  使用 Readme\_XXX.md 来支持不同的语言，例如 Readme\_en.md, Readme\_zh.md
2.  Gitee 官方博客 [blog.gitee.com](https://blog.gitee.com)
3.  你可以 [https://gitee.com/explore](https://gitee.com/explore) 这个地址来了解 Gitee 上的优秀开源项目
4.  [GVP](https://gitee.com/gvp) 全称是 Gitee 最有价值开源项目，是综合评定出的优秀开源项目
5.  Gitee 官方提供的使用手册 [https://gitee.com/help](https://gitee.com/help)
6.  Gitee 封面人物是一档用来展示 Gitee 会员风采的栏目 [https://gitee.com/gitee-stars/](https://gitee.com/gitee-stars/)