手写数字识别python不用自带的数据集

手写数字识别是一个经典的机器学习问题，可以使用各种不同的数据集进行训练和测试。如果你不想使用自带的数据集，可以考虑使用MNIST数据集之外的其他数据集，或者自己生成数据集。

一种常见的方法是使用Python的Pillow库生成手写数字图像，并将这些图像保存到本地文件中。然后，你可以使用图像处理库（如OpenCV）对图像进行预处理，并使用深度学习框架（如TensorFlow或PyTorch）对模型进行训练和测试。

如果你想更深入地了解手写数字识别的实现细节，可以参考以下资源：

- 用Python和OpenCV实现手写数字识别：https://www.pyimagesearch.com/2016/08/01/lenet-convolutional-neural-network-in-python/
- 用TensorFlow实现手写数字识别：https://www.tensorflow.org/tutorials/keras/classification
- 用PyTorch实现手写数字识别：https://pytorch.org/tutorials/beginner/blitz/cifar10_tutorial.html