MNIST数字识别

第2章 GAN初步：2.3 生成手写数字1

真实图像由我们在第1章中使用过的MNIST数据集提供。生成器的任务是生成相同大小的图像。随着训练的进展，我们希望生成的图像越来越真实，并可以骗过鉴别器。在构建代码
sunshinecxm_BJTU·2022-11-20 19:50

生成式对抗网络GAN---生成mnist手写数字图像

生成式对抗网络GAN—生成mnist手写数字图像一、GAN的基本结构生成式对抗网络是一种无监督深度学习模型主要组成：生成模型G（generativemodel）判别模型D（discriminativemodel
SinsoledadFairy·2022-11-20 19:16

利用MNIST和GAN进行手写数字图像生成代码

文章目录1.使用Pytorch提供的BCELoss2.使用自己定义的BCELoss3.本次利用MNIST和GAN进行手写数字图像生成的实践总结(1)自定义Loss(2)网络参数的更新(3)学习率1.使用
蜡笔羊驼·2022-11-20 19:14

（一）Lenet5 手写数字识别原理及代码解析

模型简单，本地可跑论文参考：Gradient-basedlearningappliedtodocumentrecognitionMNIST手写数据集50000个训练数据10000个测试数据图像大小28×
我要糖·2022-11-20 18:12

基于tensorflow的手写数字集识别

importtensorflowastf#导入框架minst=tf.keras.datasets.mnist(x_train,y_train),(x_test,y_test)=minst.load_data
l小小新人l·2022-11-20 18:10

1.tensorflow2.0-keras分类模型（初步实现->使用归一化）（fashion-mnist数据集）

环境：tensorflow2.0keras初步实现1.导入库importmatplotlibasmplimportmatplotlib.pyplotasplt%matplotlibinlineimportnumpyasnpimportsklearnimportpandasaspdimportosimportsysimporttimeimporttensorflowastffromtensorflo
木子若鱼·2022-11-20 18:07

【第一个深度学习模型应用-手写数字识别】

基于BP神经网络的手写数字识别报告基于BP神经网络的手写数字识别报告一、任务描述二、数据集来源三、方法3.1数据集处理方法3.2.模型结构设计3.3.模型算法四、实验4.1.实验环境描述4.2.数据集描述
仰望星空--123·2022-11-20 18:04

Tensorflow深度学习框架搭建

本文基于Tensorflow搭建了一个卷积神经网络框架，用于对tensorflow中自带的mnist手写字体识别数据集。mnist手写字体识别几乎是入门深度学习必学的一个例子。
Realmhang·2022-11-20 17:44

MNIST 训练完的模型加载及输入本地图片识别(pytorch）

在上一篇文章中，我们使用MNIST数据集对建立的卷积神经网络进行了训练，并加载测试集进行测试，最终的识别精度达到了99%。
后厂村张先生·2022-11-20 17:12

基于sklearn的机器学习实战

LinearRegression线性回归入门数据生成定义模型模型测试与比较多项式回归具体实现LogisticRegression算法思想简述算法实现DecisionTreeMLPSVM线性SVM多项式核高斯核对比不同核在Mnist
FavoriteStar·2022-11-20 16:48

动手学习深度学习-Softmax与分类模型 _pytorch

softmax和分类模型内容包含：softmax回归的基本概念如何获取Fashion-MNIST数据集和读取数据softmax回归模型的从零开始实现，实现一个对Fashion-MNIST训练集中的图像数据进行分类的模型使用
yhj20041128001·2022-11-20 16:08

mnist手写数据集神经网络C语言,matlab练习程序（神经网络识别mnist手写数据集）...

这次用神经网络识别mnist手写数据集，主要参考了深度学习工具包的一些代码。mnist数据集训练数据一共有28*28*60000个像素，标签有60000个。
sched yield·2022-11-20 16:05

softmax pytorch从零实现的代码

获取Fashion-MNIST训练集和读取数据在介绍softmax回归的实现前我们先引入一个多类图像分类数据集。它将在后面的章节中被多次使用，以方便我们观察比较算法之间在模型精度和计算效率上的区别。
gamilian·2022-11-20 16:59

SOFTMAX回归的从零开始实现

#为了导⼊上层⽬目录的d2lzh_pytorchimportd2lzh_pytorchasd2l获取和读取数据使用Fashion-MNIST数据集，并设置批量大
Clark-dj·2022-11-20 15:51

Pytorch学习笔记-softmax实现

importtorchimporttorchvisionimportnumpyasnpimportsyssys.path.append("..")importd2lzh_pytorchasd2l获取和读取数据使用Fashion-MNIST
Dexter_Sun1·2022-11-20 15:46

【浙江大学机器学习胡浩基】05 深度学习

目录第一节历史发展多层神经网络的劣势大事件第二节自编码器自动编码机(Auto-encoder)的结构第三节卷积神经网络LeNetLeNet结构降采样层MNIST数据集第四节卷积神经网ALEXNETALEXNET
南鸢北折·2022-11-20 15:03

第一个卷积神经网络：LeNet

5的网络结构和工作原理编辑二、pytorch的代码实现三、模型的修改和测试1、将两个平均池化层修改为最大池化层2、将激活函数改为ReLu函数，lr=0.1,epoch=203、增加卷积层四、用手写字体MNIST
我闻 如是·2022-11-20 15:28

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
Jacobson Cui·2022-11-20 15:47

实现MNIST手写数字体的识别

实现MNIST手写数字体的识别最近在找一些网络，想手动实现一下，于是就看到了MNIST数据集，于是找几个网络，自己试着实现一下。
小啊磊BLUE·2022-11-20 13:08

Pytorch入门之MNIST项目

Theprojectprocess1.Preparethedata2.Buildthemodel3.Trainthemodel4.Analyzethemodel'sresults利用torchvision来下载MNIST
HIT-LQM·2022-11-20 13:37

pytorch项目怎么跑？

PyTorch基础训练流程：使用PyTorch建立深度学习模型一般有以下几个步骤：基础配置数据读入模型构建损失函数与优化器训练评估在以下笔记中，会先简单介绍每个步骤的基础内容，然后搭配案例，使用FashionMNIST
程序媛珂珂·2022-11-20 13:07

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
上一页 63 64 65 66 67 68 69 70 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他