Mnist

PyTorch搭建GoogLeNet模型（在CIFAR10数据集上准确率达到了85%）

PyTorch搭建GoogLeNet模型之所以命名为GoogLeNet而不是GoogleNet，是为了致敬为MINST数据集设计的LeNet-5模型，LeNet-5模型在MNIST数据上达到了99%的准确率
DeeGLMath·2023-01-06 12:45

树莓派4学习记录（7）-实时MNIST手写数字识别

数据准备与模型训练1.1数据准备与框架选择1.2训练模型2.树莓派构建传输与识别框架3.移植模型到树莓派4.测试5.鸣谢与相关跳转1.数据准备与模型训练1.1数据准备与框架选择很明显今天实现的是针对手写数字集（MNIST
he110w011d·2023-01-06 11:30

动手学深度学习-Softmax与分类模型-Day1

Softmax与分类模型今天完成的依然是day1打卡内容中的~学习内容：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
Aileen爱学习·2023-01-06 11:26

《动手学深度学习》| 2 深度学习基础

线性回归1.1线性回归的基本要素1.2线性回归与神经网络的联系1.3线性回归的矢量表示法1.4线性回归的从零开始实现1.5线性回归的简洁实现1.6Keras线性回归练习2图像分类数据集（Fashion-MNIST
Marlowe.·2023-01-06 11:48

PyTorch torch.nn从头开始【详解附代码】

关于torch.nn文章目录关于`torch.nn`MNIST数据下载1.Neuralnetfromscratch(不用torch.nn)2.Usingtorch.nn.functional3.使用nn.Module
qq_39809262·2023-01-06 11:15

Tensorflow报错：WARNING:tensorflow:Model was constructed with shape (None, 28, 28) for input Keras

Tensorflow训练FashionMnist数据集报错：WARNING:tensorflow:Modelwasconstructedwithshape(None,28,28)forinputKerasTensor
Zkaisen·2023-01-06 10:37

63.目标检测数据集

目标检测领域没有像MNIST和Fashion-MNIST那样的小数据集。为了快速测试目标检测模型，我们收集并标记了一个小型数据集。
chnyi6_ya·2023-01-06 09:58

Pytorch读入据集（典型数据集及自定义数据集两种模式）

DataLoader通过iterative的方式不断读入批次数据读入已有的数据集Pytorch自身支持很多的数据集，可以直接通过对应的函数得到对应的DataSet，然后传入DataLoader中等待处理：例如读入MNIST
Hydrion-Qlz·2023-01-06 05:15

python 卷积神经网络

实验二：卷积神经网络手写体识别数据准备使用MNIST数字图像训练卷积神经网络数据重塑和标签向量化建立基础卷积模型卷积模型是Conv2D层和MaxPooling2D层的堆叠，本例中卷积神经网络处理大小为（
金鳞本鲤·2023-01-05 23:09

使用PyTorch构建神经网络（详细步骤讲解+注释版） 03 模型评价与准确率提升

1使用模型预测数据这里我们使用mnist的训练集mnist_test=
专注算法的马里奥学长·2023-01-05 23:27

tensorflow（四）实现逻辑回归模型

importnumpyasnpimporttensorflowastfimportmatplotlib.pyplotaspltfromtensorflow.examples.tutorials.mnistimportinput_data
Missayaa·2023-01-05 22:43

AttributeError: ‘Model‘ object has no attribute ‘predict_classes‘ 的解决方案

使用keras训练好了mnist数字识别模型后，准备拿来做预测。
小刘鸭！·2023-01-05 21:54

用MNIST数据集搭建简单卷积神经网络

一、MNIST数据集简介MNIST数据集是NIST（NationalInstituteofStandardsandTechnology，美国国家标准与技术研究所）数据集的一个子集，为手写数字数据库，由60000
Ivy_law·2023-01-05 20:29

（0）深度学习项目入门（pytorch）

抄别人的项目，再自己总结：这个模块的作用是什么这个模块有哪些重要的类和函数这些重要的类和函数在哪里调用的，作用是什么数据输入输出的格式，为什么要这么用从mnist分类开始，到经典的RCNN或者YOLO。
lzm88123·2023-01-05 16:11

Pytorch入门之深度学习的应用（一）

Pytorch完成深度学习的步骤拆解为几个主要步骤深度学习—>搭积木1.基本配置2.数据读入3.模型构建4.损失函数5.优化器6.训练与评估实际的使用根据自身需求修改对应模块就可以了案例：FashionMNIST
double_c之·2023-01-05 16:08

Tensorflow2.0数据集下载

通过tf.keras.datasets下载数据集importtensorflowastffashion_mnist=tf.keras.datasets.fashion_mnist#返回四个numpy数组
m0_37796039·2023-01-05 14:42

机器学习笔记-opencv2与opencv3手写体字母或者数字识别

参考：利用SVM(支持向量机)和MNIST库在OpenCV环境下实现手写数字0~9的识别opencv3随机决策森林——OpenCV类CvRTrees使用实例（数字识别）opencv2基于qt和opencv3
会思考的鱼·2023-01-05 14:11

图像，分类的数据集的介绍

1MNIST图1MNIST数据集的一个样例MNIST数据集是计算机视觉和
贝猫说python·2023-01-05 14:24

python 实现 softmax分类器（MNIST数据集）

最近一直在外面，李航那本书没带在身上，所以那本书的算法实现估计要拖后了。这几天在看AndrewNg机器学习的课程视频，正好看到了Softmax分类器那块，发现自己之前理解perceptron与logisticregression是有问题的。这两个算法真正核心的不同在于其分类函数的不同，perceptron采用一个分段函数作为分类器，logisticregression采用sigmod函数作为分类器
wds2006sdo·2023-01-05 13:29

Pyhton实现决策树算法 MNIST数据集

Pyhton实现决策树算法MNIST数据集决策树是一种比较接近人类思维方式的算法，将样本通过每个特征值的信息增益进行划分，从而保证每个划分之后的结果信息熵的消减量达到最大。
菜鸡儿的架构师之路·2023-01-05 13:29

【随笔】使用pytorch训练Fashion mnist，注释全

神经网络的训练过程分为7个步骤从训练集中得到一批数据将数据传递给网络计算损失（这是网络返回的预测值与真实值之间的差异）lossfunction（损失函数）执行第三步计算受损失函数的梯度和网络的权值backpropagation（反向传播）执行第四步更新权重，使用梯度减少损失optimizationalgorithm（优化算法）实现第五步重复步骤一到现在，直到一个周期完成第七步是重复步骤1到6，以获
十一月...·2023-01-05 13:26

python实现决策树分类 mnist数据集

文章目录1.原理介绍2.实验过程2.1导入库2.2加载数据集2.3可视化目标分布情况2.4对训练变量和目标变量的数据进行分解2.5划分训练集和验证集2.6训练模型和结果2.7进行测试2.8一个随机预测2.9抽查预测是否正确。将预测标绘为标签2.10使用网格搜索法进行调参参考1.原理介绍原理：决策树分类器是一种有监督的机器学习方法。决策树方法不能用于缺少值的数据集，因为我们知道这个数据集没有这个问题
十一月...·2023-01-05 13:56

语义通信在MNIST手写数据集上的识别-AWGN信道

语义通信在MNIST手写数据集上的识别-AWGN信道使用CNN+linear分类，网络结构是semanticencoder->channelencoder->channel->channeldecoder
StarryHuangx·2023-01-05 13:25

opencv实现ann mlp（多层感知机）识别手写数字 二

素材选取vs2019opencv410c++，mnist_train.csv（60000个手写数字）、mnist_test_10.csv（10个手写字符）。
yijiangyi·2023-01-05 12:34

用朴素贝叶斯分类方法解决MNIST手写数字分类问题

在上一次做了最小二乘法解决分类问题，最近复习了贝叶斯后验概率，顺便写了个程序，在上一次的基础上做出少许改进，总体上正确率没有上次高。上次的代码见这篇文章https://blog.csdn.net/qwe900/article/details/109774223朴素贝叶斯的分类算法主要分一下步骤：1.计算先验概率以及条件概率2.对于给定的例子，计算目标概率和目标条件时，该例子所有情况概率的积3.比较
蛋总的快乐生活·2023-01-05 12:30

ValueError: Error when checking input: expected conv2d_1_input to have shape (28, 28, 1) but got arr

imgs=imgs.reshape([-1,28,28,1])数据的shape改成这样就可以了，数据集用的fashionmnistValueError:Errorwhencheckinginput:expectedconv2d
思考实践·2023-01-05 12:21

ValueError: Error when checking input: expected conv2d_1_input to have 4 dimensions, but got array w...

在进行mnist识别时，https://www.charleychai.com/blogs/2018/ai/NN/lenet.html中，X_train=X_train.reshape(-1,28,28,1
weixin_34153893·2023-01-05 12:21

神经网络欠拟合与过拟合方法

Overfittinghowtodetect1、train/evalute/testsplittingbatchsz=128(x,y),(x_test,y_test)=datasets.mnist.load_data
晚点吧·2023-01-05 09:55

深度学习 数据加载过程：

对应代码：那些最常见的数据集，比如mnist之类的，都是直接调用datasets.数据名（）既可！module_train=import_module('data.'
lmx001206·2023-01-05 03:18

手动实现卷积神经网络的前向传播和后向传播，基于MNIST数据集实现手写数字识别

这里手动实现了一个卷积神经网络进行MNIST手写字符识别，手动实现了神经网络的forward与backward过程。MNIST数据集共包含60000张图片，每张图片大小为28x28x1的灰度图。
OAA.·2023-01-05 02:54

手工实现KNN算法预测mnist数据集

KNN（K-NearestNeighbor）算法的优劣KNN算法是机器学习最基础的算法，它的基本原理就是找到训练数据集里面离需要预测的样本点“距离最近”的k个对象，取其中出现最多的标签作为预测值。其他更先进的机器学习算法是在训练集上花大量时间训练出一个模型，预测时只要用这个模型直接快速预测，而无需再去处理训练集。而KNN算法恰好相反，其没有训练过程，但在预测过程中要遍历训练集，因而预测花费较大。优
OAA.·2023-01-05 02:48

Pytorch LeNet 4_Cifar数据集训练验证

在PytorchLeNet2：手写体字符识别实现我们处理了Mnist只有一个通道了简单数据集，准确率达到了96%本章节，我们尝试使用LeNet训练负责的彩色数据，来看下LeNet对负责数据的处理Cifar
古风子·2023-01-04 23:44

Pytorch之经典神经网络Generative Model(四) —— DCGAN (MNIST)

2015年提出DCGAN——深度卷积生成对抗网络深度卷积生成对抗网络特别简单，就是将生成网络和对抗网络都改成了卷积网络的形式DCGAN属于比较基本的模型。在一定程度上提高了训练的结果，但是这仅仅是一个治标不治本的架构Discriminator卷积判别网络Discriminator就是一个一般的卷积网络，结构如下32Filters,5x5,Stride1,LeakyReLU(alpha=0.01)M
hxxjxw·2023-01-04 15:33

58. 微调(fine-tuning）

前面的一些章节介绍了如何在只有6万张图像的Fashion-MNIST训练数据集上训练模型。
chnyi6_ya·2023-01-04 15:59

【tensorflow2.x】使用 wgan-gp 生成 mnist 手写数字

importtensorflowastfimportnumpyasnpimportcv2classGenerator(tf.keras.Model):def__init__(self):super(Generator,self).__init__()self.fc=tf.keras.Sequential([tf.keras.layers.Dense(128,activation='relu'),t
昵称已被吞噬~‘(*@﹏@*)’~·2023-01-04 13:38

降维中信息的损失对聚类结果的影响图形化表示

文章目录前言降维算法汇总一、用到的降维算法1.PCA2.T-SNE3.SVD奇异值分解二、用到的数据集1.wine2.MNIST三、评价方式准确率四、整体思路五、整体流程六、实验结果1.PCA单个数据点的变化总体的降维变化化学成分对应特征的排名
zhen-yu·2023-01-04 13:35

cifar10数据集和mnist数据集的读取以及可视化

文章目录1.cifar10数据集1.1numpy库解析1.2pytorch代码解析1.3pytorch中解析cifar的源码2.mnist数据集读取2.1mnist数据集简介2.2数据集读取2.3numpy
是大糊涂不聪明·2023-01-04 13:54

深度学习评价指标

和召回率RecallF1score混淆矩阵ROC曲线与AUC图像分类评价指标图像分类是计算机视觉中最基础的一个任务，也是几乎所有的基准模型进行比较的任务，从最开始比较简单的10分类的灰度图像手写数字识别mnist
Make Huang·2023-01-04 13:46

神经网络初识&MNIST数据集

《Python神经网络编程》实践笔记，按照原书中Chapter2尝试复现了一个简单的识别手写数字的神经网络神经网络代码框架classneuralNetwork:def__init__():passdeftrain():passdefquery():pass我们先填写简单的初始化部分：我们只打算实现一个简单的三层神经网络模型，包括输入层，隐藏层，输出层。确定了神经网络的架构后就很容易能确定需要的参数
Checkmate_Ril·2023-01-04 11:05

第二章：神经网络的数学基础

文章目录补充关于类和标签的说明MNIST数据集初识神经网络加载Keras中的MNIST数据集准备图像数据准备标签网络架构编译运行性能评估神经网络的数据表示标量（0D张量）向量（1D张量）矩阵（2D张量）
hliu1307·2023-01-04 11:59

深度学习实验（五）——循环神经网络编程

深度学习实验五:循环神经网络编程本次实验练习使用torch.nn中的类设计一个循环神经网络进行MNIST图像分类。
introversi0n·2023-01-04 09:45

【Pytorch】简单神经网络

一、任务目标采用MNIST手写数据，作为数据集。
daweq·2023-01-04 08:23

【PyTorch】前馈神经网络实现/feedforward_neural_network

clearthegradloss.backward()#lossbackwardandupdategradoptimizer.step()#updataallparameters构建前馈神经网络实现手写数字MNIST
洌泉_就这样吧·2023-01-03 22:17

Opencv调用tensorflow的mnist手写数字识别

Opencv调用tensorflow的mnist手写数字识别要实现opencv调用tensorflow训练的模型，主要分为两步，第一步是训练模型，将模型保存成model.pb格式，然后利用opencv的
Hello AI！·2023-01-03 11:10

tensorflow实现MNIST手写数字识别

MNIST数据集是由0-9，10个手写数字组成。训练图像有60000张，测试图像有10000张。1、在tensorflow中可以使用python下载数据集，调用download.py。
小罗卜·2023-01-03 11:01

深度学习第一周 tensorflow实现mnist手写数字识别

我下载的tensorflow-gpu默认使用GPU)3、加载数据集方法一、方法二、方法三、四、数据预处理五、搭建CNN网络六、开始训练七、绘制损失函数图像和准确度图像八、保存模型九、模型加载与测试一、前言MNIST
降花绘·2023-01-03 11:27

边境的悍匪—机器学习实战：第三章 分类

第三章分类文章目录第三章分类前言一、思维导图二、主要内容1、MNIST2、训练二元分类器3、性能测量4、多类分类器5、误差分析6、多标签分类7、多输出分类三、课后练习四、总结前言上一章我们了解了如何去完整的完成一个机器学习任务
doubleZ7·2023-01-03 09:43

深度学习专业术语之英文介绍——附含历届ILSVRC冠亚军结果

1.深度学习常用中英文英文中文解释说明MNISTMNIST数据集可能是最常用的一个图像识别数据集。它包含60,000个手写数字的训练样本和10,000个测试样本。每一张图像的尺寸为28×28像素。
非晚非晚·2023-01-03 08:36

卷积神经网络 实战CIFAR10-基于pytorch

上篇文章指路->卷积神经网络-MNIST实战(基于pytorch)_m0_62001119的博客-CSDN博客目录代码展示一、导包工作二、数据集处理三、可视化数据四、搭建网络五、训练网络测试效果问题验证心得参考代码展示一
m97845136dy_ac·2023-01-03 07:49

PyTorch之卷积神经网络

一、实现过程本文采用3个卷积层、5个ReLu层、3个池化层和3个全连接层对MNIST数据集多分类。
心️升明月·2023-01-03 07:47
上一页 23 24 25 26 27 28 29 30 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他