写数字识别：基于神经网络实现数字图片识别的技术用pyhton语言实现并将要用数字识别的图片数据分为验证集、测试集、训练集，将要使用的data手写图片数据通过图片的形式读取出来，还能读取并随机展示3000条的chinses_mnist.csv中的suite_id sample_id code value character相关数据,最后要给出数据的出处来源，不准使用mnist数据集（要自己的data手写图片代替），并且data数据和csv文件的数据在电脑中的存储路径不同路径代码写简单一点

好的，我可以帮你回答这个问题。首先，你需要安装Python的一些机器学习库，例如TensorFlow和Keras。然后，你可以使用Python的PIL库来读取手写数字的图片数据。你可以将数据集分为训练集、验证集和测试集，每个集合的大小取决于你的实验要求。

以下是一个示例代码段，演示如何读取手写数字的图片数据：

from PIL import Image
import numpy as np
import os

def load_images_from_folder(folder):
    images = []
    for filename in os.listdir(folder):
        img = Image.open(os.path.join(folder,filename))
        if img is not None:
            images.append(img)
    return images

train_images = load_images_from_folder("path/to/train/folder")
test_images = load_images_from_folder("path/to/test/folder")
validation_images = load_images_from_folder("path/to/validation/folder")

在这个示例中，你需要将“path/to/train/folder”替换为包含训练图像的文件夹路径，“path/to/test/folder”替换为包含测试图像的文件夹路径，以及“path/to/validation/folder”替换为包含验证图像的文件夹路径。此外，你需要将图像数据转换为NumPy数组，以便将其用于神经网络。

接下来，你需要读取CSV文件中的数据，并将其转换为适当的格式。你可以使用Python的Pandas库来读取CSV文件，如下所示：

import pandas as pd

data = pd.read_csv("path/to/csv/file/chinses_mnist.csv")

接下来，你可以随机选择3000条数据并将其显示出来，如下所示：

import random

random_data = data.sample(n=3000)
print(random_data)

最后，你需要提供数据的来源和出处。你可以在代码中添加注释，以解释你使用的数据来源和出处，例如：

# 这些手写数字图片来自于XXX数据集，数据集来源：XXX
# 这个CSV文件包含30000个样本，每个样本都有一个suite_id、sample_id、code、value和character，数据集来源：XXX

希望这能帮助你完成你的项目。