MNIST手写数字识别数据集
老牌的MNIST 数据集，应该不少人刚入坑时都接触过，尤其做图像识别的。它的图像是 28x28 的灰度手写数字，数据量不算大，用来练手训练模型合适，响应也快，调试也方便。
训练集有 60000 张图，测试集是 10000 张，格式比较，是以LevelDB方式存的，也就是说图像和标签都塞进了键值对里。你要读它，就得用支持 LevelDB 的方式来，比如用 Python 的lmdb库，或者直接用 Caffe 那一套。
图像是标准灰度图，0~255 的像素值，没啥噪点，干净清爽，做预的时候一般就是归一化、扁平化，有时候也拿来做数据增强。如果你用PyTorch，直接用torchvision.datasets.MNIST就能加载，不用操心太多。
实际应用里，你可以跑个CNN模型，看准确率能不能破 98%。要是还搞不定，建议看看这个文章：用 PyTorch 识别 MNIST 手写数字，讲得挺清楚的。
对了，LevelDB的读取速度是真的快，不过要注意别开太多读写线程，容易卡住。还有就是别忘了做归一化，直接用原始像素值训练效果会差蛮多的。
如果你刚上手深度学习，或者想测一下模型在图像任务上的效果，MNIST 确实是个稳的选择。简单、清晰、跑得快，适合快速验证思路。
文件大小：10.87MB
评论区