MNIST手写数字识别数据集

手写数字识别练手的好材料，非mnist.pkl.gz莫属。数据是压缩过的 pickle 格式，加载的时候用到 gzip 和 pickle，解开后就是熟悉的训练集、测试集，一共 70,000 张 28x28 的灰度图，都是手写数字，0 到 9 都有，分得也挺均匀的。

搞CNN（卷积神经网络）的小伙伴基本都绕不开这个数据集。它小巧、干净、格式也友好，适合用来快速跑通模型，验证结构设计。比如用 Keras 写个 Sequential 模型，加两层卷积、一层池化，再来几层全连接，几行代码就能搞定。

图像数据嘛，预还是少不了的。常见操作像归一化、中心化，用 ImageDataGenerator 做增强也挺方便。训练完了可以直接在测试集跑个准确率，甚至还能画个混淆矩阵看看效果。

如果你刚开始接触 深度学习 或想熟练掌握 CNN 的套路，mnist.pkl.gz 是个不错的起点。加载简单，文档资料又多，踩坑的机会不大，适合练手也适合教学。

相关资料我也帮你整理了一些，想深挖的话可以看看：

• CNN 神经网络手写识别
• 卷积神经网络实现 mnist 手写识别
• BP 神经网络 mnist 手写数字识别 Python 实现
• Java 实现 BP 神经网络 MNIST 手写数字识别
• TensorFlow 实例 MNIST 手写数字进阶算法卷积神经网络 CNN

如果你用的是 Python，记得 gzip.open() 配合 pickle.load() 来读文件，读完之后就是三个部分：(train_set, valid_set, test_set)。不熟的话可以先试着打印下数据结构看看。