matlab朴素贝叶斯手写数字识别_Jetson nano 基于MNIST 实现手写数字识别

1. 训练，使用mnist数据集，Lenet-5网络模型，在jetson nano上进行训练，得到参数模型，训练过程在jetson nano上完成，epoch的数量设置为16，测试集的正确率可以达98%~99%，总共耗时约为 330s 左右。

2. 实现在nano上进行推理，用鼠标模拟手写数字，然后进行标注，之后使用训练得到的参数模型进行推理。

3. 项目github的链接：always-coder/jetson-mnist ，项目目录下 train文件夹，mouse文件夹，训练Lenet-5

$ git clone https://github.com/always-coder/jetson-mnist.git
$ cd train
$ python3 run.py

执行过程大概5分钟左右，可以得到params.pkl文件。

注：可能会出现OSError错误：Cannot allocate memory 的错误，需要添加swapfile，

具体操作可以参考我另外一篇文章中有安装swapfile的文档。高级程序：Jetson Nano 使用dlib+ face_recognition实现人脸识别

4. 可以将该文件复制到mouse目录下

$ cp params.pkl ../mouse/
$ python3 main.py

5. 接下来可以看到一个图形界面，图片2是一个实例，可以直接点击digital recognition按钮，进行识别。

6. 可以使用点击create picture之后，得到一个新的书写框，需要从键盘按下‘c’，开始按住鼠标左键进行书写，注意要一气呵成哈

7. 下一步，进行数据标注，需要从键盘按下‘r’键，开始按住鼠标，进行数据标注

8. 从键盘按下‘q’键退出

9.点击识别按钮，进行识别。

关于mnist训练的文章，网上不胜枚举，于是在jetson nano上实现了一个小的推理的demo，可以通过这个demo对整个深度学习有一个大概的认识。