起源之地 · 概述
计算机视觉，企图使用SVM支持向量机算法训练对MNIST具备识别能力的模型，并借此实现准确率的测试与用户自定义的测试。从0开始，从环境配置开始，完成debug，完成各种排错，记录一路艰险的旅途。
资源准备
1.MNIST数据集：https://download.csdn.net/download/qq_21893163/86739381
2.SVM测试代码：https://download.csdn.net/download/qq_21893163/86739383
3.MNIST数据集处理工具：https://download.csdn.net/download/qq_21893163/86739148
苏晓辉增强后的资源
1. MNIST（分类 重命名 完成）：实践论·MNIST数据集解析为jpg
2. SVM模型：实践论·SVM模型用于识别MNIST数据集
3. SVM总工作区（可独立运行）：实践论·SVM对MNIST数据集从模型训练到测试全过程
艰难探索 · 实践
Python环境部署
文件路径部署
1. 你所获得的文件
2. 展开文件到目录
MNIST解析 · JPG分解
1. Pycharm，开一个新项目
2. 部署解析代码
问题处置 · MNIST数据集的导出asdhttps://blog.csdn.net/qq_21893163/article/details/127195090
3. 注意MNIST下文件的重命名，一定要对应！！最后的【-】一定要改成【.】
（或者你在这个代码文件中改也可以）
4. 启动解析，等待结果，需要
MNIST解析 · 后缀分类
1. 工具包放入train test文件夹
2. 启动分类，360放行
3. 分类中
4. 分类结果
分类耗时很长，要耐心等待，test数据1w个会先搞完，先开始重命名工作
MNIST解析 · 批量重命名
1. 利用【好压】中 【批量文件重命名】
train test，20个文件夹，七万个文件，完成重命名
MNIST解析 · Test与Train文件夹
分类并重命名好的所有文件，全部整合为 test_all train_all两个文件夹，共7w个文件
此时等待分析和测试的数据，终于准备就绪！！
胡桃老婆！
SVM训练 · 代码调整
1. 两个文件夹，张贴进去工作区
2. 启动项目
3. 参数调整1
4. 启动模型训练 · 异常报告
5. 参数调整2
（如果不重命名再部署，会遇到：（困扰了我很长的时间）
The number of classes has to be greater than one； got 1 class）
大概意思是分类出问题了，全部分类到一块去了，我之前还以为是MNIST要分成文件夹
结果分成文件夹后连文件都检测不到了
6. 启动训练 时间较长要耐心等待
7. 训练结束
SVM测试 · clock异常
1. 启动代码 · 异常
2. 异常处置
把所有time.clock()改成time.perf_counter()，改一下test_all读取路径
3. 再启动 · 测试结果（等待较长时间）
SVM测试 · user读入测试
至此，全部结束，哥们赶作业去了
最后的章节 · 回顾
从理论走向实践需要克服一系列的困难，需要启迪与交流，需要朋友的支持，需要信息的收集与分析，只能说感触很深；遇到难以克服的困难一定会出现摆烂和自我否定的心理，在难以得到外界支持的情况下究竟要作何选择，恐怕是一个难以抉择和面对的问题......
CTMD明天要考长跑9.10分，10点还要补缓考的Java，下午还要数据库实验（这TM可是周六啊）
最近在补ACWING基础二刷，弥补与争取蓝桥杯和提高两个题目四百题吃下来