fashion

DL|深度学习笔记

（-=已存入内存）全连接层：是每一个结点都与上一层的所有结点相连，用来把前边提取到的特征综合起来Fashion-MNIST下
difizuhvovs·2023-01-07 13:12

吴恩达团队 Tensorflow课程学习笔记 2

10categories•Imagesare28×28•Cantrainaneuralnet•60k作为训练数据，10k作为测试数据•FashionMNIST在Tensorflow里作为一个有API的数据集存在加载数据集fashion_mnist
不动脑筋·2023-01-07 09:25

图像分类数据集

我们将使用类似但更复杂的Fashion-MNIST数据集%matplotlibinlineimporttorchimporttorchvisionfromtorch.utilsimportdata#transforms
曹哲睿·2023-01-06 15:24

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

目录1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

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

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

【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

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

深度学习：06 图像以Tensor方式输入CNN

滤波器运算感悟总结CNN中输入TensorCNN的输入形状通常为4，分别用一个字母代表每个轴上的长度，那么它的shape为：[B,C,H,W]我们从右往左看：对于H、W，我们应当能想到它是输入图像的长度与宽度，比如在fashion
夏天是冰红茶·2023-01-03 09:32

9.6_object-detection-dataset

9.6目标检测数据集（皮卡丘）在目标检测领域并没有类似MNIST或Fashion-MNIST那样的小数据集。为了快速测试模型，我们合成了一个小的数据集。
给算法爸爸上香·2023-01-02 16:49

9.2_fine-tuning

9.2微调在前面的一些章节中，我们介绍了如何在只有6万张图像的Fashion-MNIST训练数据集上训练模型。
给算法爸爸上香·2023-01-02 16:18

5.5_lenet

5.5卷积神经网络（LeNet）在3.9节（多层感知机的从零开始实现）里我们构造了一个含单隐藏层的多层感知机模型来对Fashion-MNIST数据集中的图像进行分类。每张图像高和宽均是28像素。
给算法爸爸上香·2023-01-02 16:11

3.11_underfit-overfit

3.11模型选择、欠拟合和过拟合在前几节基于Fashion-MNIST数据集的实验中，我们评价了机器学习模型在训练数据集和测试数据集上的表现。
给算法爸爸上香·2023-01-02 16:08

3.9_mlp-scratch

importtorchimportnumpyasnpimportsyssys.path.append("..")importd2lzh_pytorchasd2l3.9.1获取和读取数据这里继续使用Fashion-MNIST
给算法爸爸上香·2023-01-02 16:07

PyTorch动手学深度学习 笔记目录

linear-regression3.2_linear-regression-scratch3.3_linear-regression-pytorch3.4_softmax-regression3.5_fashion-mnist3.6
给算法爸爸上香·2023-01-02 16:30

从零开始学Pytorch（十六）之模型微调

微调在前面的一些章节中，我们介绍了如何在只有6万张图像的Fashion-MNIST训练数据集上训练模型。
小小谢先生·2023-01-02 08:55

pytorch教程 （二） -- 处理数据

加载系统数据集2.创建自定义数据集3.迭代和可视化数据集4.DataLoaders为模型处理数据5.通过DataLoader迭代1.加载系统数据集系统数据集可以从torchVision中加载获取，这里以Fashion-MNIST
TES·Rooike·2022-12-30 12:45

《动手学深度学习》tensorflow2.0版 第三章笔记

《动手学深度学习》tensorflow2.0版第三章笔记线性回归训练图像分类数据集（Fashion-MNIST）训练误差（trainingerror）和泛化误差（generalizationerror）
「已注销」·2022-12-28 18:08

搭建CNN网络训练fashion-mnist数据集（加入过拟合手段对比）

目录1.导入相关的包2.载入数据集3.用代码将随机数据样本及对应标签显示出来4.未添加防止过拟合手段5.添加防止过拟合手段6.对比1.导入相关的包#导入相关的包importtensorflowastfimportosimportnumpyasnpfrommatplotlibimportpyplotaspltfromtensorflowimportkerasfromtensorflow.keras.
Vicky__3021·2022-12-26 10:15

36. 卷积神经网络（LeNet）

回想一下，之前我们将softmax回归模型和多层感知机模型应用于Fashion-MNIST数据集中的服装图片，为了能够应用softmax回归和多层感知机：我们首先将每个大小为的图像展平为一个784维的固定长度的一维向量然后用全连接层对其进行处理
chnyi6_ya·2022-12-26 07:01

Keras---内置数据集、模型的加载及保存位置

keras内置数据集内置数据集包含：1.mnist/fashion_mnist2.boston_housing3.cifar10/1004.imdb5.reuters加载方式：fromtensorflow.kerasimportdatasets
Dusk2090·2022-12-24 16:54

【keras】0.1keras.datasets常用数据集，默认下载地址与修改

介绍如下数据集名称主要用途CIFAR10小图像分类数据集（10标签）CIFAR100小图像分类数据集（100标签）IMDB电影评论情感分类数据集（二分类）REUTERS路透社新闻主题分类(多分类)MNIST手写字符数据集Fashion-MNIST
fxflyflyfly·2022-12-24 16:23

9.23 深度学习微调

深度学习中最重要的一个技术标注一个数据集很贵ImageNet标注了一千多万张图片，但是实际使用的只有120万张图片，类别数是1000，它算是一个比较大的数据集Fashion-MNIST一共有6万张图片，
不玩游戏的小菜鸡·2022-12-24 01:44

svc实战fashion-mnist图像分类

支持向量机(SVMs)可用于以下监督学习算法:分类,回归和异常检测.支持向量机的优势在于:在高维空间中非常高效.即使在数据维度比样本数量大的情况下仍然有效.在决策函数（称为支持向量）中使用训练集的子集,因此它也是高效利用内存的.通用性:不同的核函数核函数与特定的决策函数一一对应.常见的kernel已经提供,也可以指定定制的内核.支持向量机的缺点包括:如果特征数量比样本数量大得多,在选择核函数核函数
Fitz_p·2022-12-23 16:33

【动手学习pytorch笔记】11.AlexNet分类fashion_mnist

AlexNet模型结构左侧LeNet，右侧AlexNet。形式上是差不多的，但模型大小大了很多，量变产生了质变，花了人类20年的时间。importtorchfromtorchimportnnfromd2limporttorchasd2lnet=nn.Sequential(#这里，我们使用一个11*11的更大窗口来捕捉对象。#同时，步幅为4，以减少输出的高度和宽度。#另外，输出通道的数目远大于LeN
我已经吃饱了·2022-12-22 11:42

pytorch【神经网络训练minst-fashion数据集】

#导入我们相关的库和数据集importtorchvisionimporttorchvision.transformsastransforms#dataloader/TensorDataset-对数据的结构，归纳方式进行变换#torchvision.transforms对数据集的数字本身惊醒修改#实例化数据mnist=torchvision.datasets.FashionMNIST(root="/
桜キャンドル淵·2022-12-22 07:22

fashion mnist数据是怎么制作的_【Microsfot nni】使用NNI的fashion-mnist例子分析

使用NNI的fashion-mnist例子分析测试系统Ubuntu16.04python3.5fashion-mnistfashion-mnist训练集包含60000张图片，测试集包含10000张图片，
weixin_39963096·2022-12-21 19:08

NN对图像数据进行预测；DNN对文本数据进行预测；CNN对文本数据进行分类

1.NN对图像数据进行预测1.1代码defcv_test():print(time.strftime("%Y-%m-%d%H:%M:%S",time.localtime()))#导入数据集fashion_mnist
念奴·2022-12-20 18:04

Fashion MNIST数据集介绍及下载

FashionMNIST（服饰数据集）的作用是经典MNIST数据集的简易替换，MNIST数据集包含手写数字（阿拉伯数字）的图像，两者图像格式及大小都相同。FashionMNIST比常规MNIST手写数据将更具挑战性。两者数据集都较小，主要适用于初学者学习或验证某个算法可否正常运行。他们是测试和调试代码的良好起点。FashionMNIST/服饰数据集包含70000张灰度图像，其中包含60,000个示
Dick-andy·2022-12-20 14:45

神经网络入门及改进优化——CNN识别Fashion-MNIST数据集（Python实现）

为了更直观地观察算法之间的差异，我们将使用一个图像内容更加复杂的数据集Fashion-MNISTFashionMNI
随便编编·2022-12-20 08:51

初学Python 自建6层神经网络训练Fashion-MNIST数据集 -- 第一扇门

一般的深度学习入门例子是MNIST的训练和测试，几乎就算是深度学习领域的HELLOWORLD了，但是，有一个问题是，MNIST太简单了，初学者闭着眼镜随便构造几层网络就可以将准确率提升到90%以上。但是，初学者这算入门了吗？答案是没有。现实开发当中的例子可没有这么简单，如果让初学者直接去上手VOC或者是COCO这样的数据集，很可能自己搭建的神经网络准确率不超过30%。是的，如果不用开源的VGG、G
wu_zhiyuan·2022-12-20 08:51

基于 Tensorflow 2.x 实现多层卷积神经网络，实践 Fashion MNIST 服装图像识别

一、FashionMNIST服装数据集FashionMNIST数据集，该数据集包含10个类别的70000个灰度图像。大小统一是28x28的长宽，其中60000张作为训练数据，10000张作为测试数据，该数据集已被封装在了tf.keras.datasets工具包下，数据如图所示：FashionMNIST数据集更多样化，比常规MNIST更具挑战性。标签是整数数组，介于0到9之间。这些标签对应于图像所代
小毕超·2022-12-20 08:13

100行代码使用torch.fx极简量化教程

现在比较fashion的方式，是使用torch.fx来做量化。本文将使用100行代码，极简的教你入门比较标准的量化步骤。
小肉包老师·2022-12-19 11:03

图像分类数据集

图像分类数据集sec_fashion_mnist(MNIST数据集):cite:LeCun.Bottou.Bengio.ea.1998(是图像分类中广泛使用的数据集之一，但作为基准数据集过于简单。
weiket·2022-12-19 07:37

VitisAI(07) 自定义模型部署

本文以自定义模型为例，对使用VitisAI进行模型量化部署的流程进行介绍Workflow数据集为fashion_mnist使用Tensorflow2搭建一个简单分类网络并进行训练，导出模型文件使用VitsiAIdocker
Wei.Studio·2022-12-18 02:19

Pytorch总结十一之 神经网络模型：LeNet、AlexNet、VGG

Pytorch总结十之神经网络模型：LeNet、AlexNet、VGG1.卷积神经网络LENET在多层感知机的从零开始实现⾥我们构造了⼀个含单隐藏层的多层感知机模型来对Fashion-MNIST数据集中的图像进
明月醉窗台·2022-12-17 10:26

【从零开始学习深度学习】25.卷积神经网络之LeNet模型介绍及其Pytorch实现【含完整代码】

目录1.LeNet模型介绍与实现2.输入为Fashion-MNIST时各层输出形状3.获取Fashion-MNIST数据和并使用LeNet模型进行训练4.完整代码之前我们对Fashion-MNIST数据集中的图像进行分类时
阿_旭·2022-12-17 10:09

深度学习（4）——softmax简洁实现

具体问题延用上一章的例子，对图片进行分类，使用fashion_mnist库。
星辰大海_coli·2022-12-17 09:50

深度学习基础15（softmax回归的基本实现）

softmax回归的从零开始实现引入Fashion-MNIST数据集，并设置数据迭代器的批量大小为256。
lj_FLR·2022-12-17 09:12

【笔记】动手学深度学习- softmax回归（逻辑回归）

定义两个函数来画这个数据集4读取一个小批量数据5softmax回归简洁实现1导入包2构造模型3交叉熵函数计算loss损失4使用学习率为0.1作为优化函数5跑10次softmax回归从零开始实现1我们使用上面中引入的Fashion-MNIST
echo_gou·2022-12-17 09:12

9李沐动手学深度学习v2/逻辑回归（softmax回归（分类））简洁实现

importtorchfromtorchimportnnfromd2limporttorchasd2l#超参数batch_size=256#数据train_iter,test_iter=d2l.load_data_fashion_mnist
xcrj·2022-12-17 09:11

【从零开始学习深度学习】27.卷积神经网络之VGG11模型介绍及其Pytorch实现【含完整代码】

目录1.VGG块介绍2.构造VGG网络模型3.获取Fashion-MNIST数据并用VGG-11训练模型4.总结AlexNet在LeNet的基础上增加了3个卷积层。
阿_旭·2022-12-17 09:33

【从零开始学习深度学习】28.卷积神经网络之NiN模型介绍及其Pytorch实现【含完整代码】

目录1.NiN块介绍2.构建NiN模型3.NIN模型每层输出形状4.获取Fashion-MNIST数据和训练NiN模型5.总结前几篇文章介绍的LeNet、AlexNet和VGG在设计上的共同之处是：先以由卷积层构成的模块充分抽取空间特征
阿_旭·2022-12-17 08:09

深度学习——微调笔记+代码

1.微调在深度学习中计算机视觉最重要的技术，微调也是迁移学习2.标注一个数据集很贵①ImageNet标注了1000多万张图片，实际使用120万张图片，类别是1000，大型数据集②Fashion-MNIST
钟楼小奶糕6·2022-12-17 07:21

tensorflow报错：Make sure that your dataset or generator can generate at least `steps_per_epoch * epoch

importtensorflowastfimportpandasaspdimportnumpyasnpimportmatplotlib.pyplotasplt%matplotlibinline(train_image,train_label),(test_image,test_label)=tf.keras.datasets.fashion_mnist.load_data
wchwdog13·2022-12-15 13:38

深入浅出Pytorch中的计算细节_input/output

outputshapeimporttorchfromtorchimportnnfromd2limporttorchasd2l#2.准备data_iterbatch_size=256train_iter,test_iter=d2l.load_data_fashion_mnist
Space65536·2022-12-15 07:30

batch_size和data_iter的理解

示例代码参考李沐老师的《动手学深度学习》第4节：多层感知机batch_size=256train_iter,test_iter=d2ltorch.load_data_fashion_mnist(batch_size
Space65536·2022-12-15 07:00

深度学习 - 模型的保存、读取、重置及添加检查点

这里写自定义目录标题保存/读取整个模型（保留模型架构+权重+优化器配置）提取模型架构（舍弃权重，及优化器）提取/保存模型权重在训练期间保存检查点本片使用Keras中的fashion_mnist图片数据集
壮壮不太胖^QwQ·2022-12-14 08:38

Pytorch手动实现softmax回归

文章目录简述理论基础回归softmax损失函数读取数据初始化模型参数实现softmax运算定义模型定义损失函数计算分类准确率训练模型预测整体代码d2lzh_pytorch.pymain.py简述这次,将会使用到Fashion-MNIST
phac123·2022-12-13 09:36
上一页 2 3 4 5 6 7 8 9 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他