Mnist手写数字特征识别加筛选错误识别图像编号(完整项目请去git上下载)

最近需要完成导师布置的一个小任务，对手写数字特征的识别。这任务也算是视觉方面最基础的任务了。导师给我了个matlab脚本，让我来提取二进制文件中的图像。（我的心情是表面笑嘻嘻，心中MMP）。先不说matlab，我没学过，就这个软件的安装包11个g。并且在外网上。学校那种网速。粗略算一下，纯下载matlab,1天估计都够呛（没准中间还可能断网）。
扯了半天，说点正事。
贴上git地址：如果你觉得有用。欢迎给我star。谢谢！！
https://github.com/CZMHHH/CZM.github.io
本文将介绍如何使用Python解决Mnist的识别，用matlab请绕道。
先介绍下我自己使用的py文件
load.py也就是将train和test的ubyte类型的文件，转化为bmp格式，并将label转化成csv格式的文件。
rename.py将test中的图片重新编号，便于查找识别失败的图像。
wholetrain3.py：为什么加个3呢。肯定是在网上找资料时，修改了3次后的版本了。这是个训练文件。
wholetest3.py 这是测试脚本文件，可以实现可视化的查看结果。
另外赠一个data文件夹。这样读者无需下载数据集。直接就可以训练。

下面展示下训练的结果图片

这是训练完之后，在测试集上的准确率：

这张图片是利用Tensor转到numpy后，对numpy进行遍历后得到的识别错误的图像位置

最后贴上一张测试时的可视化结果图

最后感谢以下博客博主的帮助，毕竟在下实在小白。对神经网络的搭建了解不够。当然本博客中对错误图片的位置进行定位为自己原创，不存在借鉴。
https://blog.csdn.net/tfcy694/article/details/85332953
https://blog.csdn.net/gengxw96/article/details/100703620