MNIST数字识别

matlab图像识别流程,图像识别与项目实践――VC++、MATLAB技术实现[PDF][317.86MB]

本书直击当今研究热点，选择有代表性的专题项目，详细介绍了手写数字识别、邮政编码识别、汽车牌照号码识别、印刷体汉字识别、一维条形码识别、人脸识别、虹膜识别、指纹识别八个应用项目的实现方法。
漩凝·2022-11-20 13:26

1.tensorflow基本使用

将TensorFlow载入你的程序#安装TensorFlowimporttensorflowastf2.载入并准备好MNIST数据集。
m0_50539459·2022-11-20 13:44

AttributeError: module ‘tensorflow‘ has no attribute ‘placeholder‘

在使用TensorFlow导入Mnist数据做数字识别训练时，若先导入tensorflow_core.examples.tutorials.mnist，后导入tensorflow，会出现tensorflow
江湖小张·2022-11-20 12:27

NNDL 实验六 卷积神经网络（3）LeNet实现MNIST

目录5.3基于LeNet实现手写体数字识别实验5.3.1数据5.3.1.1数据预处理5.3.2模型构建5.3.3模型训练5.3.4模型评价5.3.5模型预测使用前馈神经网络实现MNIST识别，与LeNet
cdd04·2022-11-20 12:36

NNDL 实验六 卷积神经网络（4）ResNet18实现MNIST

目录5.4基于残差网络的手写体数字识别实验5.4.1模型构建5.4.1.1残差单元5.4.1.2残差网络的整体结构5.4.2没有残差连接的ResNet185.4.2.1模型训练5.4.2.2模型评价5.4.3
cdd04·2022-11-20 12:36

基于BP神经网络的手写数字识别

本文参考到的博客会在正文贴出来，如有问题请联系我数据集和代码已上传到github，有需者自取https://github.com/jenskb/matlab.git1理论部分1.1BP算法的流程图图1BP算法的流程图简单解释一下，BP算法的训练过程就是先取一个样本进行正向传播，然后得到一个输出，这个输出要和目标值相减，得到的就是误差值，为了将这个误差值减小，我们就必须重新调整权值和阈值，以满足我们
jensk·2022-11-20 11:27

1.卷积神经网络入门-训练手写体识别

一、代码和运行结果importkerasfromkerasimportlayersfromkerasimportmodelsfromkeras.datasetsimportmnistfr
太笨鸟·2022-11-20 11:23

torch 学习， 搭建网络- 手写数字识别（3）

的学习笔记官方数据及处理方式#定义数据处理方式train_transform=transforms.Compose([transforms.ToTensor()])#构建数据dataloadertrain_data=MNIST
MioeC·2022-11-20 11:01

面向机器学习的神经网络

第一周：面向机器学习的神经网络文章目录前言一、机器学习的重要性二、神经元网络1.什么是神经元网络2.简单的神经元模型三.ANN的MNIST学习范例四.机器学习算法的三大类1.监督学习2.强化学习3.无监督学习前言自学
wuguanfengyue-·2022-11-20 10:41

OUC2022秋季软件工程第12组第三次作业

本博客为OUC2022秋季软件工程第三次作业一、代码练习1MNIST数据集分类1.1导入必要的包importtorchimporttorch.nnasnnimporttorch.nn.functionalasFimporttorch.optimasoptimfromtorchvisionimportdatasets
OUC GROUP SE12·2022-11-20 10:11

Chapter4 利用机器学习解决分类和回归问题

过拟合和欠拟合4.2利用神经网络解决回归问题4.2.1问题介绍4.2.2利用pytorch解析数据4.2.2利用pytorch定义网络结构4.2.3开始训练4.2.4将模型进行保存4.3利用pytorch解决手写数字识别问题
Courage2022·2022-11-20 10:02

实现mnist手写数字识别（第一周）

本文为365天深度学习训练营中的学习记录博客参考文章：[365天深度学习训练营-第P1周：实现mnist手写数字识别](Pytorch实战|第P1周：实现mnist手写数字识别(qq.com))**原作者
Presumptuous419·2022-11-20 09:28

深度学习caffe教程

Caffe跑跑MNIST试试让Caffe生成的数据集能在Theano上直接运行Caffe(CNN,deeplearning)介绍Caffe深度学习之图像分类模型AlexNet解读Caffe是一
老吴的私房菜·2022-11-20 09:42

【DeepLearning】【Caffe】基于Caffe官方教程简单介绍caffe和pycaffe接口使用方法

本文基于Caffe官方教程中的手写体数字识别项目记录caffe和pycaffe的使用方法.文章目录1.MNIST和LeNet2.使用caffe命令行接口训练模型2.1准备数据集2.2定义LeNet模型2.3
RadiantJeral·2022-11-20 09:38

【机器学习】李宏毅 - 04 深度学习介绍和反向传播机制

文章目录深度学习深度学习发展历程深度学习步骤1.神经网络基本结构完全连接前馈神经网络（FullyConnetFeedforwardNetwork）矩阵运算案例：手写数字识别2.模型评估3.选择最优参数反向传播
Biophilia_hyb·2022-11-20 09:34

机器学习：卷积神经网络

卷积神经网络卷积神经网络的结构及原理卷积层池化层激活函数全连接层反馈运算使用MNIST数据集进行代码解析数据介绍实现流程代码实现卷积神经网络的结构及原理卷积层卷积运算一个重要的特点就是：通过卷积运算，可以使原信号特征增强
muyi沐一·2022-11-20 09:34

经典网络模型 —— 盘点 22篇必读论文与网络模型 + 5种常见数据集

深度学习篇：简单入门PyTorch神经网络篇：经典网络模型算法篇：再忙也别忘了LeetCode经典网络模型——盘点22篇必读论文与网络模型+5种常见数据集✨~持续更新中~✨⭕已更新⭕❌未更新❌⛳01数据集篇MNISTCIFAR
Horizon Max·2022-11-20 09:29

NNDL 实验六 卷积神经网络（4）ResNet18实现MNIST

文章目录5.4基于残差网络的手写体数字识别实验5.4.1模型构建5.4.1.1残差单元5.4.1.2残差网络的整体结构5.4.2没有残差连接的ResNet185.4.2.1模型训练5.4.2.2模型评价
凉堇·2022-11-20 08:16

NNDL 实验六 卷积神经网络（3）LeNet实现MNIST

文章目录5.3基于LeNet实现手写体数字识别实验5.3.1数据5.3.1.1数据预处理5.3.2模型构建5.3.3模型训练5.3.4模型评价5.3.5模型预测选做题使用前馈神经网络实现MNIST识别，
凉堇·2022-11-20 08:16

深度学习实战之MINIST数据集

我们将使用MNIST数据集，它是机器学习领域的一个经典数据集。这个数据集包含60000张训练图像和10000张测试图像，由美国国家标准与技术研究院（Na
赵孝正·2022-11-20 07:46

python中的reshape是什么意思_Python中reshape函数参数-1的意思？

这是手写数字识别中初始化的经典代码，这两天也在研究这个，下面写上我自己的一点理解。
谈国平·2022-11-20 07:42

Tensorflow2.0 自定义训练

tf.GradientTape二、tf.keras.metrics模块1.tf.keras.metrics.Mean2.tf.keras.metrics.SparseCategoricalAccuracy三、自定义训练实战，手写数字识别总结前言
weixin_44599230·2022-11-20 07:26

在TensorFlow中使用自定义数据集训练自己的模型

在TensorFlow中使用自定义数据集训练自己的模型写在前面的话一、自定义数据集的目录结构（以今年电赛数字识别为例）二、在TensorFlow中读取数据集2.1纯手工打造2.1.1获取所有图片的路径2.1.2
t01051·2022-11-20 07:19

Tensorflow---使用Tensorflow进行自定义的训练

一、代码中的数据集可以通过以下代码进行下载(train_image,train_label),(test_image,test_label)=tf.keras.datasets.mnist.load_data
水哥很水·2022-11-20 07:17

Tensorflow---使用Tensorflow进行自定义模型的创建

代码中的数据集合可以通过以下代码进行加载importtensorflowastf(train_image,train_label),(test_image,test_label)=tf.keras.datasets.fashion_mnist.load_data
水哥很水·2022-11-20 07:47

安装MXnet包，实现MNIST手写数体识别

我想写一系列深度学习的简单实战教程，用mxnet做实现平台的实例代码简单讲解深度学习常用的一些技术方向和实战样例。这一系列的主要内容偏向于讲解实际的例子，从样例和代码里中学习解决实际问题。我会默认读者有一定神经网络和深度学习的基础知识，读者在这里不会看到大段推导和理论阐述。基础理论知识十分重要，如果读者对理论知识有兴趣，可以参看已有的深度学习教程补充和巩固理论基础，这里http://deeplea
weixin_30367543·2022-11-20 06:07

mxnet系列教程之1-第一个例子

第一个例子当然是mnist的例子假设已经成功安装了mxnet例子的代码如下：cdmxnet/example/image-classificationpythontrain_mnist.py这样就会运行下去
andeyeluguo·2022-11-20 05:22

用MXnet入门实战深度学习之一：安装GPU版mxnet并跑一个MNIST手写数字识别

用MXnet实战深度学习之一：安装GPU版mxnet并跑一个MNIST手写数字识别我想写一系列深度学习的简单实战教程，用mxnet做实现平台的实例代码简单讲解深度学习常用的一些技术方向和实战样例。
Real_BB·2022-11-20 05:49

深度学习基础：精确率、召回率理解

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档文章目录前言1.精确率、召回率理解总结参考前言在使用Paddle实现手写数字识别时，发现对模型评估标准：精确率（precision）和召回率
DU_YULIN·2022-11-20 05:41

手写数字识别代码函数解读（MATLAB实现）

1、tf=strcmp(s1,s2)输入参数可以是字符串数组、字符向量和字符向量元胞数组的任何组合比较s1和s2，如果二者相同，则返回1(true)，否则返回0(false)。如果文本的大小和内容相同，则它们将视为相等。返回结果tf的数据类型为logical对于不区分大小写的文本比较，请使用strcmpi而不是strcmp2、out_files=dir(xxx)作用：获得指定文件夹下的所有子文件夹
狂奔的菜驰·2022-11-20 04:01

深度学习-卷积神经网络（目标检测环境搭建）-TensorFlow及Keras环境搭建&详细安装教程

系列文章相关文章深度学习-卷积神经网络-实例及代码0.8—基于最小均方误差的线性判别函数参数拟合训练深度学习-卷积神经网络-实例及代码0.9—MNIST数据集介绍、下载及基本操作深度学习-卷积神经网络-
猴哥智能·2022-11-20 04:50

回归+损失函数+图片分类数据集

从回归到多类分类从回归到多类分类-均方损失从回归到多类分类-无校验比例从回归到多类分类-校验比例Softmax和交叉熵损失损失函数L2LossL1LossHuber’sRobustLoss图像分类数据(MNIST
噜啦l·2022-11-20 03:02

李沐-动手学深度学习-图像分类数据集

MNIST数据集是图像中广泛使用的数据集之一，但作为基准数据集过于简单。我们将使用类似但更复杂的Fashion-MNIST数据集。
啥都想学点的研究生·2022-11-20 03:22

Tensorflow实现CNN流程

本文使用Tensorflow基于CNN完成MNIST数据集的分类任务。
蛋王派·2022-11-20 02:18

一、用Python从零实现横向联邦图像分类

`Resnet18`在`MNIST`上的联邦学习与中心化训练的
范星星·2022-11-20 02:56

Pytorch实现多分类问题 样例解释 通俗易懂 新手必看

实现多特征输入的分类模型代码实操第四篇Pytorch实现Dataset数据集导入必要性解释及代码实操第五篇Pytorch实现多分类问题样例解释通俗易懂新手必看文章目录初学者学习Pytorch系列前言一、先上代码二、代码编写解释1.Mnist
GDUT 小胖鱼·2022-11-20 02:08

看了上百篇文章，我希望用我方式让大家通俗理解CNN

Pytorch实现多特征输入的分类模型代码实操第四篇Pytorch实现Dataset数据集导入必要性解释及代码实操第五篇Pytorch实现多分类问题样例解释通俗易懂新手必看第六篇Pytorch使用CNN实现基本的MNIST
GDUT 小胖鱼·2022-11-20 02:07

Pytorch使用Inception及Residual 提高模型精确度 解决代码冗余 梯度为零问题

Pytorch实现多特征输入的分类模型代码实操第四篇Pytorch实现Dataset数据集导入必要性解释及代码实操第五篇Pytorch实现多分类问题样例解释通俗易懂新手必看第六篇Pytorch使用CNN实现基本的MNIST
GDUT 小胖鱼·2022-11-20 01:12

【深度学习案例】手写数字项目实现-2.Python模型训练

Python模型训练4.Python基于Pytorch框架实现模型训练4.1训练环境4.2定义数据加载器4.3定义网络（net,py）4.4定义训练器(trainer.py)4.5模型训练（main_MNIST.py
爱码一万年·2022-11-20 01:43

NNDL 实验六 卷积神经网络（3）LeNet实现MNIST

5.3基于LeNet实现手写体数字识别实验5.3.1数据手写体数字识别是计算机视觉中最常用的图像分类任务，让计算机识别出给定图片中的手写体数字（0-9共10个数字）。
zc.9495·2022-11-19 22:59

NNDL 实验六 卷积神经网络（4）ResNet18实现MNIST

5.4基于残差网络的手写体数字识别实验残差网络（ResidualNetwork，ResNet）是在神经网络模型中给非线性层增加直连边的方式来缓解梯度消失问题，从而使训练深度神经网络变得更加容易。
zc.9495·2022-11-19 22:59

Softmax分类器

MNIST数据集有10个标签，如何设计网络结构？可以使用Softmax输出预测分布。
1100dp·2022-11-19 22:24

逻辑回归小例子

omega+by^=x∗ω+b损失函数：loss=(y^−y)2=(x∗ω−y)2loss=(\hat{y}-y)^2=(x*\omega-y)^2loss=(y^−y)2=(x∗ω−y)2分类任务：MNIST
1100dp·2022-11-19 22:54

Tensorflow2.1 MNIST图像分类实现思路分析

目录前言主要思路和实现(1)加载数据，处理数据(2)使用keras搭建深度学习模型(3)定义损失函数(4)配置编译模型(5)使用训练数据训练模型(6)使用测试数据评估模型(7)展示不使用归一化的操作的训练和评估结果前言之前工作中主要使用的是Tensorflow1.15版本，但是渐渐跟不上工作中的项目需求了，而且因为2.x版本和1.x版本差异较大，所以要专门花时间学习一下2.x版本，本文作为学习Te
·2022-11-19 22:42

C++卷积神经网络实例：tiny_cnn代码详解（7）——fully_connected_layer层结构类分析

卷积神经网路中的全连接层在卷积神经网络中全连接层位于网络模型的最后部分，负责对网络最终输出的特征进行分类预测，得出分类结果：LeNet-5模型中的全连接层分为全连接和高斯连接，该层的最终输出结果即为预测标签，例如这里我们需要对MNIST
山在岭就在·2022-11-19 22:03

python卷积神经网络图像,卷积神经网络python实现

实验输入仍然采用MNIST图像使用10个featuremap时，卷积和pooling的结果分别如下所示。部分源码如下：[python]viewplaincopy#coding=utf-8'''''
快乐的小荣荣·2022-11-19 22:57

深度学习-----课堂笔记

第三章神经网络目录第三章神经网络3.1从感知机到神经网络3.2激活函数（activationfunction）3.3多维数组1）.shape2）矩阵乘法3.43层神经网络的实现1）符号确认2）各层间信号传递的实现3.5手写数字识别
梦蔚·2022-11-19 22:50

NNDL 实验六 卷积神经网络（3）LeNet实现MNIST

5.3基于LeNet实现手写体数字识别实验5.3.1数据手写体数字识别是计算机视觉中最常用的图像分类任务，让计算机识别出给定图片中的手写体数字（0-9共10个数字）。
Sun.02·2022-11-19 21:30

神经网络与深度学习（六）卷积神经网络（4）ResNet18实现MNIST

目录5.4基于残差网络的手写体数字识别实验5.4.1模型构建5.4.1.1残差单元5.4.1.2残差网络的整体结构5.4.2没有残差连接的ResNet185.4.2.1模型训练5.4.2.2模型评价5.4.3
Sun.02·2022-11-19 21:30

动手学深度学习--课堂笔记图片分类数据集

Fashion-MNIST数据集：包含70000张灰度图像，其中包含60,000个示例的训练集和10,000个示例的测试集，每个示例都是一个28x
weixin_46480637·2022-11-19 21:21
上一页 62 63 64 65 66 67 68 69 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他