AI朋克致敬MNIST：只用Python和开发板，制作永不重样的时钟

我们见惯了上古时代，由电子管组成的时钟。在 AI 时代，有没有更加新潮的时间显示方式？是的，数据集也能做成时钟，每天早上，让 MNIST 手写数字唤醒你一天的记忆。

MNIST 是计算机视觉中不老的经典，当第一代卷积神经网络在这个手写数字数据集上绽放出耀眼的光芒，它注定会载入「史册」。

尽管目前计算机视觉已经早就走出了 MNIST 数据集的时代，甚至连一千多万图像的 ImageNet 也不再是非常大的一个图像数据集。然而，MNIST 仍然不可忽视，深度学习入门的第一个数据集、验证算法的第一个实验都是它。甚至连 Hinton 验证 Capsule 这个想法的数据集都用的它。

如果说想要致敬这样的数据集「先驱」，你会采用什么样的方式？在 GitHub 中，机器之心发现一个有意思的小项目，作者 Dheera Venkatraman 做了一面钟，里面的数字都是从 MNIST 数据集中采样的。

项目地址：https://github.com/dheera/mnist-clock

也就是说，24 小时随机抽万张不同的手写数字，每天都不带重样。做出来的效果是这样的：

这样的电子钟只需要简单的电路板再加上 4 块电子墨水屏就行了，它背后的样子是这样的：

硬件

项目使用了 TinyPICO 开发板；紧凑的 ESP32 板以及大量的 GPIO 插脚、4MB 闪存、Wi-Fi，以及其他很多功能。TinyPICO 可以说是目前世界上基于 ESP32-PICO-D4 体积最小的开发板，240 MHz 的 32 位双核处理器足够我们完成计算。

4 块 e-link 数字显示器，之所以选择 e-link，是因为它符合手写数字的概念，在任何光线条件下都能正常运行，而且也不至于打扰到任何人。Waveshare 的 e-link 显示屏大部分是 SPI，虽然也有些额外的引脚。大部分人会希望一块只包含 SPI 以及一块 CS 插脚，但多一些的链接器是有必要的。下面是 ESP32 的连接图，根据这个把电线卷起来。

作者在 TinyPICO 上使用的是两个 10-引脚的 JST-EH 的连接器，JST-EH 比 JST-XH 使用更低的配置，更适合插入，以及比标准引脚更短更安全。

JST-EH 连接器所连接的 TinyPICO

下面，再见硬件固定在 3D 打印的外壳上，就大功告成了：

如果读者们对硬件不熟悉，那也不要急，我们只要按照项目作者给出的硬件，并装配好就行了。后面我们会介绍所有「装备」的价格以及作者提供了设计图。

软件

项目作者 Dheera Venkatraman 表示，他经常写 C++或者 C，但他对 MicroPython 非常有兴趣，因此在这个项目中采用的就是它。

项目作者使用每像素 2 比特的灰度深度来表示 MNIST 手写数字。在这种比特深度下一张 28*28 像素的图像只需要 196 字节，因此一个 4MB 的闪存就能满足整个 MNIST验证集。如果你想把整个数据集都装进去，那么也只需要换闪存更大的微控制器、或者使用 1 比特深度的图像、或者使用压缩方法等。

将所有文件放在 TinyPICO 根目录中的/ code 中，正确的文件大概如下图所示。

另外，我们还需要为 Wi-Fi 创建一个名为.wifi 的文件，中间写上 yourssid 与 yourpassword，具体的读取 WIFI 设置的代码就如下所示。

项目作者 Dheera Venkatraman 在 GitHub 中提供了所有代码文件，打印钟表数字的代码也非常易读。更友善的的是，作者的代码提供了非常完善的注释，基本重要的语句都有解读。

现实一点，做一块多少钱？

如果从硬件来看，似乎主要成本就是 TinyPICO 开发板以及四块 e-ink 屏。首先 TinyPICO 在淘宝或者国外网站都能买到，国外卖 20 美元，而淘宝上标价 235 元，加上运费其实也差不多。此外，读者也可以选择专门的元器件商城，其价格也在 200 块左右。

其次，一块 e-ink 屏大概 24 美元，虽然淘宝找不到，但是国内的元器件商城要便宜得多，一块只需要 92 元左右，可能树莓派对它的需求比较大吧。

其它的成本就比较少了，线材、连接器装时钟的外包装都比较容易获得，在国内的元器件商城也可以一次性买到。如果读者想 3D 打印外包装，作者也提供了具体的打印参数。所以，总的来说，制作成本应该是低于 650 元的，其中开发板和电子屏都可以在其它项目中再利用。

也许我们还能改进该项目作者的实现，在一块大的墨水屏上实现数字时钟，直接使用更常用的树莓派作为主板（功耗远高于 TinyPICO），并实现更多的能力，例如实时采样个 CIFAR-10 作为背景。总之，MNIST 数字时钟还有很多可以玩的地方。

最后，所有硬件与软件的详细信息都可查阅原项目。此外，值得一提的是，Dheera Venkatraman 还是非常有意思的一位小哥哥，他从杭州到北京沿着人类历史上最长的人工河靠自行车骑了 1600 公里。

Last But Not Least

确实 MNIST 站在舞台中央的时代已经过去了，但它的作用仍然不可忽视，仍然有很多研究者致力于改进并修复它，做出独特的贡献。

2017 年，德国时尚科技公司 Zalando 提供了 Fashion MNIST 数据集，它的大小、格式和训练集 / 测试集划分与原始的 MNIST 完全一致，从 MNIST 迁移到它，我们不需要修改任何代码。

去年 6 月份，NYU 和 Facebook 的研究者重建并扩展了 MNIST 数据集，在测试集中新增了 50000 个样本，将测试集增加到 6 万样本。MNIST 作者之一的 Yann LeCun 表示，「如果多次使用原版的 MNIST 测试集，你的模型可能在测试集上已经过拟合了，是时候在新增的样本上试一下了。」

不论是将 MNIST 做成日常生活中好看又好玩的项目，还是提升数据集本身的能力，MNIST 一直都会是活着的历史~