Mnist

1.2-跟李沐学Al【斯坦福21秋季：实用机器学习中文版】

常见机器学习数据集来源MNIST:手写数据集ImageNet:从图片搜索引擎搜集的数据集AudioSet:YouTube声音片段数据集Kinetics
冇毷氉的虬·2022-03-13 07:36

由浅入深：终于搞懂了 Python 和 PyTorch迭代器（iterator）、Dataset 和 DataLoader

目录一、从一个简单的列表引入迭代器二、用类作为迭代器三、将类的功能变得更复杂四、pytorch数据处理的迭代器：Dataset和DataLoader4.1用自己定义的MnistDataset类，不继承torch
ctrl A_ctrl C_ctrl V·2022-03-12 07:46

Pytorch教程[03]transforms

一.torchvision：计算机视觉工具包torchvision.transforms:常用的图像预处理方法torchvision.datasets:常用数据集的dataset实现，MNIST，CIFAR
迪菲赫尔曼·2022-03-12 07:52

Python实现Keras搭建神经网络训练分类模型

注释讲解版：#Classifierexampleimportnumpyasnp#forreproducibilitynp.random.seed(1337)#fromkeras.datasetsimportmnistfromkeras.utilsimportnp_utilsfromkeras.modelsimportSequentialfromkeras.layersimportDense
依神女苑·2022-03-09 08:32

第八章 条件生成对抗网络 CGAN

目录CGAN架构图CGAN的生成器CGAN的鉴别器CGAN的MNIST实现导入声明模型输入维度CGAN生成器CGAN鉴别器构建并编译CGAN的鉴别器和生成器模型CGAN训练输出样本图像训练模型与前面讲的所有
CV小Rookie·2022-03-08 07:59

【Pytorch深度学习50篇】·······第七篇：【3】GAN生成对抗网络---PIX2PIX

可能看过看过我上两篇GAN和CGAN的朋友们都认为，mnist数据太简单了，也不太适合拿出去show，所以我们来一个复杂一点的，这次难度比之前两篇的难度又有所提升了，所以，请大家不要慌张，紧跟脚步，我们来开整
咕里个咚·2022-03-08 07:51

TensorRT_mnist_int8校正

定义网络为INT8执行定义网络与为任何其他精度定义网络完全相同。权重作为FP32导入，构建者将校准网络，以找到适当的量化因子，从而将网络降低到INT8精度。此示例使用NvCaffeParser导入网络：constnvcaffeparser1;:IBlobNameToTensor*blobNameToTensor=parser->parse(locateFile(mParams.prototxtFi
谢欣燕·2022-03-07 07:29

人工智能实践Tensorflow2.0 第三章--2.用八股的方式写mnist数据集手写数字识别--北京大学慕课

第三章–八股搭建神经网络本讲目标：  用八股的方式写mnist数据集手写数字识别。参考视频。
AI Chen·2022-03-07 07:46

基于pytorch量化感知训练（mnist分类）--浮点训练vs多bit后量化vs多bit量化感知训练效果对比

基于pytorch量化感知训练–浮点训练vs多bit后量化vs多bit量化感知训练效果对比代码下载地址：下载地址灰色线是量化训练，橙色线是后训练量化，可以看到，在bit=2、3的时候，量化训练能带来很明显的提升。实验分析在bit=1的时候，我发现量化训练回传的梯度为0，训练基本失败了。这是因为bit=1的时候，整个网络已经退化成一个二值网络了，而低比特量化训练本身不是一件容易的事情，虽然我们前面用
踟蹰横渡口,彳亍上滩舟。·2022-03-07 07:05

基于pytorch后量化（mnist分类）---浮点训练vs多bit后量化vs多bit量化感知训练效果对比

基于pytorch后量化（mnist分类）—浮点训练vs多bit后量化vs多bit量化感知训练效果对比代码下载地址：下载地址试了bit数为1～8的准确率，得到下面这张折线图：发现，当bit>=3的时候，
踟蹰横渡口,彳亍上滩舟。·2022-03-07 07:52

python如何训练图片_详解如何用TensorFlow训练和识别/分类自定义图片

现在，我们就参考官方入门课程《DeepMNISTforExperts》一节的内容(传送门：https://www.tensorflow.org/get_started/mnist/p
weixin_39842918·2022-03-06 07:56

PARL与强化学习笔记

PARL与强化学习笔记1.预习1.1MNIST手写识别1.2python基础知识1.3paddle基础知识1.3.1计算常量的加法：1+11.3.2计算变量的加法：1+11.3.3使用PaddlePaddle
dzdzdzdzdzdzdz·2022-03-06 07:24

TensorFlow车牌识别完整版（含车牌数据集）

在之前发布的一篇博文《MNIST数据集实现车牌识别--初步演示版》中，我们演示了如何使用TensorFlow进行车牌识别，但是，当时采用的数据集是MNIST数字手写体，只能分类0-9共10个数字，无法分类省份简称和字母
Nine-days·2022-03-06 07:23

手把手教你如何自己设计实现一个深度学习框架（附代码实现）

zhuanlan.zhihu.com/p/78713744编辑丨极市平台导读本文首先从深度学习的流程开始分析，对神经网络中的关键组件抽象，确定基本框架；然后再对框架里各个组件进行代码实现；最后基于这个框架实现了一个MNIST
Tom Hardy·2022-03-06 07:47

Python的CNN笔记

降维方法有PCA（主成分分析）和LDA（线性判别分析，FisherLinearDiscriminantAnalysis1：Tensorflow中examples.tutorials.mnist中input_data
a1111111111ss·2022-03-05 07:14

ICML 2020 | SCAFFOLD：联邦学习的随机控制平均

目录前言1.引言2.问题定义3.FedAvg4.SCAFFOLD有效性分析5.实验5.1模拟数据集5.2EMNIST数据集5.3结论6.总结前言题目：SCAFFOLD:StochasticControlledAveragingforFederatedLearning
Cyril_KI·2022-03-04 07:30

李沐《动手学深度学习》课程笔记：09 Softmax回归

回归1.Softmax回归2.损失函数3.图片分类数据集4.Softmax回归的从零开始实现5.Softmax回归的简洁实现09Softmax回归1.Softmax回归2.损失函数3.图片分类数据集#MNIST
feiwen110·2022-03-02 07:23

使用Pytorch实现手写数字识别(Mnist数据集)

目标知道如何使用Pytorch完成神经网络的构建知道Pytorch中激活函数的使用方法知道Pytorch中torchvision.transforms中常见图形处理函数的使用知道如何训练模型和如何评估模型1.思路和流程分析流程：准备数据，这些需要准备DataLoader构建模型，这里可以使用torch构造一个深层的神经网络模型的训练模型的保存，保存模型，后续持续使用模型的评估，使用测试集，观察模型
酷酷的橙007·2022-03-02 07:35

Tensorflow2.x 用Lenet神经网络训练 fashion_mnist数据集 并预测。

小白自己的学习笔记，大佬勿喷，多多指教。目录1.用Tensorflow2.x建立神经网络需要导入的库文件2.用Tensorflow2.x建立Lenet神经网络：（1）建立Lenet网络1.tf.keras.layers.Conv2D2.keras.layers.Flatten()3.如何将(28,28)格式转换成(28,28,1)格式？4.预处理过程中，通常把图像转成什么数据格式？几维度？多大的？
MoCoPo·2022-03-02 07:02

深度学习入门-误差反向传播法（人工神经网络实现mnist数据集识别）

文章目录误差反向传播法5.1链式法则与计算图5.2计算图代码实践5.3激活函数层的实现5.4简单矩阵求导5.5Affine层的实现5.6softmax-with-loss层计算图推导5.7softmax-with-loss层的实现5.8误差反向传播算法的实现误差反向传播法这次用到的代码上传到csdn了，0积分下载误差反向传播代码其实本文也都贴出来了，只是需要改一下import的路径。还有一些数学公
泥签·2022-03-02 07:46

MATLAB实现基于BP神经网络的手写数字识别+GUI界面+mnist数据集测试

文章目录MATLAB实现基于BP神经网络的手写数字识别+GUI界面+mnist数据集测试一、题目要求二、完整的目录结构说明三、Mnist数据集及数据格式转换四、BP神经网络相关知识4.1简介4.2基本原理
小白的Soda·2022-03-02 07:45

用反向传播学习识别mnist手写数字（mini-batch版）

NN的学习，用了BP高效求梯度用了mini-batch一次处理一个batch的数据，加快计算#BP_Study.py#反向传播学习，mnist手写数字分类#2层网络importnumpyasnpimporttimefromdataset.mnistimportload_mnistfromTwoLayerNetimportTwoLayerNetimportmatplotlib.pyplotasplt
doubleslow;·2022-03-02 07:43

Pytorch全连接层神经网络：基于MNIST数据集的手写数字识别

总结搭建神经网络一般流程总结一、数据准备1、数据下载/读取、格式转换、标准化（读取的数据一般要自行构造数据集类，torchvision自带的数据集操作简单一些）2、数据载入、设置batch_size、shuffle二、搭建神经网络：1、设置输入层、隐藏层、输出层所用的神经元、选择激活函数；2、重写向前传播函数”defforward():“3、设置验证集（开发集）进行交叉检验（可以确定优化方向、判断
没有感情的任务管理器·2022-03-02 07:42

[Pytorch系列-34]：卷积神经网络 - 搭建LeNet-5网络与MNIST数据集手写数字识别（模型保存）

作者主页(文火冰糖的硅基工坊)：文火冰糖（王文兵）的博客_文火冰糖的硅基工坊_CSDN博客本文网址：https://blog.csdn.net/HiWangWenBing/article/details/121050469目录前言：LeNet网络详解第1章业务领域分析1.1步骤1-1：业务领域分析1.2步骤1-2：业务建模1.3训练模型1.4验证模型1.5整体架构1.6代码实例前置条件第2章前向运
文火冰糖的硅基工坊·2022-03-02 07:30

用卷积神经网络实现MNIST数据集分类

在这节的内容中，我们用之前讲述的内容来搭建一个比较简单的卷积神经网络，实现MNIST手写数字体数据集的图片分类。
Ftwhale·2022-03-02 07:30

[Pytorch系列-41]：卷积神经网络 - 模型参数的恢复/加载 - 搭建LeNet-5网络与MNIST数据集手写数字识别

作者主页(文火冰糖的硅基工坊)：文火冰糖（王文兵）的博客_文火冰糖的硅基工坊_CSDN博客本文网址：https://blog.csdn.net/HiWangWenBing/article/details/121183889目录第1章模型的恢复与加载1.1概述1.2模型的恢复与加载类型1.3模型的保存的API函数：代码示例1.4模型的恢复与加载的API函数：代码示例第2章定义前向运算：加载CFAR1
文火冰糖的硅基工坊·2022-03-02 07:00

动手实现深度神经网络3 增加误差反向传播计算梯度&完成MNIST数据集手写数字识别

经过这次改进，我们的神经网络就能以很快的速度和较高的准确率完成MNIST数据集手写数字识别啦！
如魔·2022-03-02 07:56

深度学习------tensorflow2.0，keras实现卷积神经网络（mnist:GoogleNet-22）

1.GoogleNet-22GoogleNet采用9个Inception模块化的结构，共22层，除了最后一层的输出，其中间结点的分类效果也很好。还使用了辅助类结点（auxiliaryclassifiers），将中间某一层的输出用作分类，并按一个较小的权重加到最终分类结果中。这样相当于做了模型融合，同时给网络增加了反向传播的梯度信号，也提供了额外的正则化，对于整个网络的训练大有益处。下图是网络的结构
小飞龙程序员·2022-03-01 07:15

动手学深度学习——卷积神经网络2 LeNet

主要是学习笔记，解决问题的可以忽略本博客，以免浪费时间与精力主要介绍三个方面lenet模型介绍lenet网络搭建运用lenet进行图像识别-fashion-mnist数据集LeNet模型LeNet分为卷积层块和全连接层块两个部分
inventertom·2022-03-01 07:12

动手实现深度神经网络1 两层神经网络

我们使用这个网络进行MNIST数据集手写数字识别，因为这是第一个网络，所以事先比较简单，没有实现批处理等，而是每次输入一个图片（MNIST数据集中的一个手写图片时28*28的矩阵，为了运算
如魔·2022-03-01 07:00

深度学习及图像分类阶段作业与阶段总结

functionAPI构建通过sequential的方式进行构建通过model的子类构建问题2：特征图大小计算问题2答案问题3：特征图计算问题3答案：图像分类作业问题：ResNet34代码模型构建利用fashionmnist
最白の白菜·2022-02-28 11:26

Pytorch构建RNN识别MNIST数据集

importtorchfromtorchimportnnfromtorch.autogradimportVariableimporttorchvision.datasetsasdsetsimporttorchvision.transformsastransformsimportmatplotlib.pyplotaspltimporttorchvisionimporttorch.utils.data
Alphapeople·2022-02-28 07:53

PyTorch读取Fashion-MNIST数据集

FashionMNIST是一个替代MNIST手写数字集的图像数据集。它是由Zalando（一家德国的时尚科技公司）旗下的研究部门提供。其涵盖了来自10种类别的共7万个不同商品的正面图片。
维杰太保齐肯·2022-02-28 07:48

pytorch 实现MNIST数据集建立及训练

文章主要包含：官方数据集导入、自定义数据集，自定义网络结构，训练，训练后的模型使用头文件导入importtorchimporttorchvisionimporttorchsummaryimportosimportnumpyasnpimportmatplotlib.pyplotasplt常量定义BATCH_SIZE=64#图像行列像素数量IMAGE_ROW=28IMAGE_COL=28#数据根路径D
MrTrinh·2022-02-28 07:17

（系列更新完毕）深度学习零基础使用 PyTorch 框架跑 MNIST 数据集的第一天：LeNet 网络的搭建

1.Introduction今天是尝试用PyTorch框架来跑MNIST手写数字数据集的第一天，主要学习LeNet网络结构的定义。本blog主要记录一个学习的路径以及学习资料的汇总。
小吴同学真棒·2022-02-28 07:17

（系列更新完毕）深度学习零基础使用 PyTorch 框架跑 MNIST 数据集的第二天：加载 MNIST 数据集

1.Introduction今天是尝试用PyTorch框架来跑MNIST手写数字数据集的第二天，主要学习加载MNIST数据集。本blog主要记录一个学习的路径以及学习资料的汇总。
小吴同学真棒·2022-02-28 07:17

（系列更新完毕）深度学习零基础使用 PyTorch 框架跑 MNIST 数据集的第四天：单例测试

1.Introduction今天是尝试用PyTorch框架来跑MNIST手写数字数据集的第四天，主要学习导入模型并进行单例测试。本blog主要记录一个学习的路径以及学习资料的汇总。
小吴同学真棒·2022-02-28 07:46

（系列更新完毕）深度学习零基础使用 PyTorch 框架跑 MNIST 数据集的第三天：训练模型

1.Introduction今天是尝试用PyTorch框架来跑MNIST手写数字数据集的第三天，主要学习训练网络。本blog主要记录一个学习的路径以及学习资料的汇总。
小吴同学真棒·2022-02-28 07:46

【Pytorch学习笔记】MNIST数据集的训练及简单应用（一）

MNIST数据集包含70,000张手写数字的图像及标签。其中60,000张用于训练，10,000张用于测试。图像是灰度的，28x28像素，并且居中的，以减少预处理和加快运行。
@Dwyanelittle64c·2022-02-28 07:44

（深度学习）Pytorch实现MLP并在MNIST数据集上验证

Pytorch实现MLP并在MNIST数据集上验证1.综述2.MNIST数据集3.代码细节说明4.详细代码综述”PyTorch实现MLP并在MNIST数据集上验证“是我所上的模式识别与深度学习课程的第一个实验
不卷CV了·2022-02-28 07:13

PyTorch训练MNIST数据集3

本文旨在探索各种不同的改变对于训练精确率的影响1.增加全连接层原来的全连接层由320->10：self.f1=torch.nn.Linear(320,10)现在改为：每一个线性单元采用relu激活函数self.f1=torch.nn.Linear(320,160)self.f2=torch.nn.Linear(160,80)self.f3=torch.nn.Linear(80,40)self.f4
不要绝望总会慢慢变强·2022-02-28 07:43

pytorch训练MNIST数据集1

本文采用全连接网络对MNIST数据集进行训练，训练模型主要由五个线性单元和relu激活函数组成importtorchfromtorchvisionimporttransformsfromtorchvisionimportdatasetsfromtorch.utils.dataimportDataLoaderimporttorch.nn.functionalasFimporttorch.optima
不要绝望总会慢慢变强·2022-02-28 07:43

PyTorch：训练MNIST数据集

本文主要描述了如何使用现在热度和关注度比较高的Pytorch(深度学习框架)构建一个简单的卷积神经网络，并对MNIST数据集进行了训练和测试。
Allen Chou·2022-02-28 07:36

DL-Pytorch-notes 01

目录基本概念训练集、测试集、验证集损失函数优化算法线性回归的神经网络及代码实现线性回归模型的从零开始的实现线性回归模型使用pytorch的简洁实现softmax回归的神经网络及代码实现获取Fashion-MNIST
DEREKLN·2022-02-28 07:03

Pytorch框架训练MNIST数据集

代码：importtorchfromtorchvisionimportdatasets,transformsimporttorch.nnasnnimporttorch.optimasoptimfromtorch.autogradimportVariablefromdatetimeimportdatetimeclassConfig:batch_size=64epoch=10alpha=1e-3pri
papaofdoudou·2022-02-28 07:00

神经网络案例

目录神经网络案例数据加载数据处理模型构建模型编译模型训练模型测试模型保存总结神经网络案例学习目标能够利用tf.keras获取数据集能够网络多层神经网络的构建能够完成网络的训练和评估使用手写数字的MNIST
最白の白菜·2022-02-26 07:02

如何把“自己的”网络中的conv2d替换为dcnv2

/make.sh即可，第二种是mmcv.ops.modulated_deform_conv.ModulatedDeformConv2dPack2、实验以resnet50、mnist训练为例fromtorch_op.c
jstzwjr·2022-02-25 07:45

神经网络可视化方法总结

目录1--利用netron库可视化神经网络2--利用tensorboard可视化神经网络3--FCNN实现Mnist数据集分类的tensorboard可视化4--参考1--利用netron库可视化神经网络介绍
whut_L·2022-02-22 07:28

《Python深度学习》第五章-1（CNN简介）读书笔记

第五章深度学习用于计算机视觉5.1卷积神经网络简介5.1.1卷积神经网络对MNIST分类使用卷积神经网络对MNIST数字进行分类，在第2章用密集连接网络做过（当时的测试精度为97.8%）。
Paul-Huang·2022-02-22 07:42

TensorFlow技术解析与实战 9.2 Mnist分类问题

#-*-coding:utf-8-*-importsysimportimportlibimportlib.reload(sys)fromtensorflow.examples.tutorials.mnistimportinput_dataimporttensorflowastf
rochesterlmg·2022-02-22 05:30
上一页 62 63 64 65 66 67 68 69 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他