【实训目的】

通过本次实训，要求了解第三工具包的应用，了解机器学习在计算机视觉中的应用，特别是对数字识别的应用。

【实训环境】

PyCharm环境、Python 3.7、Pandas、NumPy、matplotlib、scikit-learn

【实训内容】

一、使用传统的机器学习方法识别数字

传统的机器学习方法，比如KNN。要求精确率达到90%以上。

二、卷积神经网络LeNet

   LeNet是卷积神经网络的祖师爷LeCun在1998年提出，用于解决手写数字识别的视觉任务。自那时起，CNN的最基本的架构就定下来了：卷积层、池化层、全连接层。尝试使用LeNet实现MNIST数据集中的数字识别任务。也可以尝试其他改进的CNN模型进行识别，达到更好的训练速度和准确率。