Update README.md
你可以直接clone本仓库，或者在release中下载，然后安装Pytorch.
clone
release
Pytorch
pip install pip3 install torch torchvision torchaudio
如果你想直接了解训练过程，你也可以直接在Google Colab中打开本项目的jupyter文件.
Google Colab 上的项目：UC课程实践-手写体识别
现在，我们尝试通过60分钟的时间搭建一个神经网络模型，并就大学计算(Undergraduate Computing, UC)课程中手写体文字识别的内容用CNN卷积网络进行重构.
为了解决这个小项目，我们可以参考下面这篇论文：
正如论文中所说的那样，我们有一些算法，例如K-NN，可以在一定程度上很好的处理问题. 事实上经过对原始数据的特定优化，我们确实可以用K-NN算法得到90%以上的准确率. 这里，我们考虑使用卷积网络的方法来解决这个问题，也在一定程度上贯彻了UC的目标——快速学习，解决问题.
This project is a practice of Undergraduate Computing(UC) course of NUDT. The aim of the project is to build a neural network to classify handwritten numbers from 0 to 9. Dataset comes from MNIST.
©Copyright 2023 CCF 开源发展委员会 Powered by Trustie& IntelliDE 京ICP备13000930号
CrashML
Usage
你可以直接
clone本仓库，或者在release中下载，然后安装Pytorch.如果你想直接了解训练过程，你也可以直接在Google Colab中打开本项目的jupyter文件.
现在，我们尝试通过60分钟的时间搭建一个神经网络模型，并就大学计算(Undergraduate Computing, UC)课程中手写体文字识别的内容用CNN卷积网络进行重构.
为了解决这个小项目，我们可以参考下面这篇论文：
正如论文中所说的那样，我们有一些算法，例如K-NN，可以在一定程度上很好的处理问题. 事实上经过对原始数据的特定优化，我们确实可以用K-NN算法得到90%以上的准确率. 这里，我们考虑使用卷积网络的方法来解决这个问题，也在一定程度上贯彻了UC的目标——快速学习，解决问题.
This project is a practice of Undergraduate Computing(UC) course of NUDT. The aim of the project is to build a neural network to classify handwritten numbers from 0 to 9. Dataset comes from MNIST.