目录 1. 数据集介绍2. 数据分析3. 数据处理与封装3.1 数据集划分3.2 将数据转为tensor张量3.3 数据封装 4. 模型训练4.1 定义功能函数4.1 resnet18模型4.3 CNN模型4.4 FCNN模型 5. 结果分析5.1 混淆矩阵5.2 查看错误分类的样本 6. 加载最佳模型7. 参考文献 本次手写数字识别使用了resnet18（比resnet50精度更

地址：https://www.kaggle.com/c/digit-recognizer 这同样是一道入门的KAGGLE题目。题目大意是给出一系列的灰度图像（用CSV表格表示像素），来预测该图像是何种数字。这是一个比较经典的图片，对应的方法有很多。可以使用传统的机器学习算法来进行计算，也可以使用深度学习的方法进行。在这一次我使用的是机器学习的SVC（线性支持分类器）来进行处理的。 第一步依然是

public class Recognizer implements Configurable, ResultProducer 此为识别了设置了相应的状态，以防止在某些方法在其必要的条件之前被调用。使用了异常处理。靠继承RuntimeException来实现新的异常类。 Sphinx4识别器。此是sphinx4的主要的入口。一个识别器的典型使用如下： public void recognize

声明：不得利用此程序制作手机病毒或恶意软件。否则，其带来的严重后果与本作者无关。   其实文章标题有些不准确。应该说利用Recognizer所提供的功能，可以使你的程序在Symbian系统启动后自动加载。Recognizer编译完成后其实是一个MDL，和DLL很类似。其Symbian OS 内部是怎样调用它的我现在不得而知，但是可以肯定的是当Symbian OS 内核启动完成后，一定会加载MD

原文链接：https://arxiv.org/abs/2108.09661 开源代码：https://github.com/wangyuxin87/VisionLAN 摘要 在本文中，我们抛弃了占主导地位的复杂语言模型，重新思考了场景文本识别中的语言学习过程。不同于以往将视觉和语言信息放在两个独立的结构中考虑的方法，我们提出了一种视觉语言建模网络(VisionLAN)，它将视觉和语言信息作为