您好,欢迎光临本网站![请登录][注册会员]  

搜索资源列表

  1. 卷积神经网络可视化

  2. 神经网络很多时候就像是个黑盒子,里面到底是什么样,是什么样的结构,是怎么训练的,可能很难搞清楚。而本代码就是可以把复杂的神经网络训练过程给可视化,可以更好地理解,调试并优化程序。可以看到每层网络的学习结果.
  3. 所属分类:深度学习

    • 发布日期:2018-05-10
    • 文件大小:5242880
    • 提供者:srf_code
  1. Keras卷基层特征可视化,混淆矩阵绘制

  2. 该代码可以实现Keras卷积层特征的可视化,两种混淆矩阵绘制。可以观察深度学习中特定层的输出特征,评判分类模型的分类性能。
  3. 所属分类:互联网

    • 发布日期:2020-04-27
    • 文件大小:5120
    • 提供者:qq_40784418
  1. 卷积可视化代码

  2. 一维卷积可视化的代码,代码基于matlab,输出动态图片
  3. 所属分类:机器学习

    • 发布日期:2019-03-02
    • 文件大小:98304
    • 提供者:lxhdy12345
  1. 卷积神经网络实现手写数字识别

  2. 卷积神经网络实现手写数字识别训练模型及可视化,支持向量机实现手写数字识别 训练模型,贝叶斯分类器实现手写数字识别训练模型,mnist数据集提取成28*28的图片形式,包含代码及25页作业报告
  3. 所属分类:其它

    • 发布日期:2020-06-28
    • 文件大小:1048576
    • 提供者:Alon_0
  1. 机器学习-14. 卷积神经网络深入、AlexNet模型

  2. 人工智能基础视频教程零基础入门课程 第十四章 人工智能基础视频教程零基础入门课程,不需要编程基础即可学习,共15章,由于整体课程内容太大,无法一次传输,分章节上传。 第一章 人工智能开发及远景介绍(预科) 第二章 线性回归深入和代码实现 第三章 梯度下降和过拟合和归一化 第四章 逻辑回归详解和应用 第五章 分类器项目案例和神经网络算法 第六章 多分类、决策树分类、随机森林分类 第七章 分类评估、聚类 第八章 密度聚类、谱聚类 第九章 深度学习、TensorFlow安装和实现 第十章 Tenso
  3. 所属分类:机器学习

    • 发布日期:2020-07-16
    • 文件大小:708837376
    • 提供者:suolong123
  1. 机器学习-13. 卷积神经网络、CNN识别图片(下)

  2. 人工智能基础视频教程零基础入门课程 第十三章(下) 人工智能基础视频教程零基础入门课程,不需要编程基础即可学习,共15章,由于整体课程内容太大,无法一次传输,分章节上传。 第一章 人工智能开发及远景介绍(预科) 第二章 线性回归深入和代码实现 第三章 梯度下降和过拟合和归一化 第四章 逻辑回归详解和应用 第五章 分类器项目案例和神经网络算法 第六章 多分类、决策树分类、随机森林分类 第七章 分类评估、聚类 第八章 密度聚类、谱聚类 第九章 深度学习、TensorFlow安装和实现 第十章 Te
  3. 所属分类:机器学习

    • 发布日期:2020-07-16
    • 文件大小:1002438656
    • 提供者:suolong123
  1. 机器学习-13. 卷积神经网络、CNN识别图片(上)

  2. 人工智能基础视频教程零基础入门课程 第十三章(上) 人工智能基础视频教程零基础入门课程,不需要编程基础即可学习,共15章,由于整体课程内容太大,无法一次传输,分章节上传。 第一章 人工智能开发及远景介绍(预科) 第二章 线性回归深入和代码实现 第三章 梯度下降和过拟合和归一化 第四章 逻辑回归详解和应用 第五章 分类器项目案例和神经网络算法 第六章 多分类、决策树分类、随机森林分类 第七章 分类评估、聚类 第八章 密度聚类、谱聚类 第九章 深度学习、TensorFlow安装和实现 第十章 Te
  3. 所属分类:机器学习

    • 发布日期:2020-07-16
    • 文件大小:832569344
    • 提供者:suolong123
  1. 机器学习-12. TensorBoard可视化

  2. 人工智能基础视频教程零基础入门课程 第十二章 人工智能基础视频教程零基础入门课程,不需要编程基础即可学习,共15章,由于整体课程内容太大,无法一次传输,分章节上传。 第一章 人工智能开发及远景介绍(预科) 第二章 线性回归深入和代码实现 第三章 梯度下降和过拟合和归一化 第四章 逻辑回归详解和应用 第五章 分类器项目案例和神经网络算法 第六章 多分类、决策树分类、随机森林分类 第七章 分类评估、聚类 第八章 密度聚类、谱聚类 第九章 深度学习、TensorFlow安装和实现 第十章 Tenso
  3. 所属分类:机器学习

    • 发布日期:2020-07-16
    • 文件大小:368050176
    • 提供者:suolong123
  1. 对Tensorflow中权值和feature map的可视化详解

  2. 前言 Tensorflow中可以使用tensorboard这个强大的工具对计算图、loss、网络参数等进行可视化。本文并不涉及对tensorboard使用的介绍,而是旨在说明如何通过代码对网络权值和feature map做更灵活的处理、显示和存储。本文的相关代码主要参考了github上的一个小项目,但是对其进行了改进。 原项目地址为(https://github.com/grishasergei/conviz)。 本文将从以下两个方面进行介绍: 卷积知识补充 网络权值和feature map的
  3. 所属分类:其它

    • 发布日期:2020-12-24
    • 文件大小:264192
    • 提供者:weixin_38665162
  1. 使用pytorch实现可视化中间层的结果

  2. 摘要 一直比较想知道图片经过卷积之后中间层的结果,于是使用pytorch写了一个脚本查看,先看效果 这是原图,随便从网上下载的一张大概224*224大小的图片,如下 网络介绍 我们使用的VGG16,包含RULE层总共有30层可以可视化的结果,我们把这30层分别保存在30个文件夹中,每个文件中根据特征的大小保存了64~128张图片 结果如下: 原图大小为224224,经过第一层后大小为64224*224,下面是第一层可视化的结果,总共有64张这样的图片: 下面看看第六层的结果 这层的输出大小是
  3. 所属分类:其它

    • 发布日期:2020-12-23
    • 文件大小:110592
    • 提供者:weixin_38697979
  1. a_numpy_based_implement_cnn:这是我的博客《不用框架,使用Python构建基于numpy的卷积神经网络来进行cifar-10分类的深度学习系统》的代码实现-源码

  2. a_numpy_based_implement_cnn 这是我的博客的代码实现。 训练 测试 其他:卷积层可视化 依赖: Python3.6 numpy;枕头; scipy; matplotlib 简易装置: 间谍 其中训练部分由两个Python文件和一个文件夹组成: data_utils.py cnn.py ./cifar-10-batches-py$ ls batches.meta data_batch_2 data_batch_4 test_batch data_batch_
  3. 所属分类:其它

    • 发布日期:2021-03-11
    • 文件大小:176160768
    • 提供者:weixin_42118701
  1. DeepLearning-Lab:用于深度学习的代码实验室。 包括rnn,seq2seq,word2vec,交叉熵,双向rnn,卷积运算,池运算,InceptionV3,转移学习-源码

  2. 深度学习实验室 字符测试。 seq2seq测试。 word2vec测试。 交叉熵检验。 双向rnn测试。 图片上的卷积运算。 图片上的合并操作。 cnn可视化的颤抖。 InceptionV3模型。 转移学习。
  3. 所属分类:其它

    • 发布日期:2021-03-02
    • 文件大小:18874368
    • 提供者:weixin_42143161
  1. 交通标志分类器:用于交通标志分类器的卷积神经网络-源码

  2. 交通标志分类器 用于交通标志分类器的卷积神经网络 ![替代文字]('./自述图片') 概述 在此代码中,使用了深度神经网络和卷积神经网络对交通标志进行分类。 该模型经过了培训和验证,因此可以使用“对交通标志图像进行分类。 训练模型后,对来自网络的随机交通标志(即德国交通标志)进行了测试。 该项目 这项工作的目标/步骤如下: 加载数据集 探索,总结和可视化数据集 设计,训练和测试模型架构 使用模型对新图像进行预测 分析新图像的softmax概率 数据集和存储库 下载数据集。 调整了数据集的大小,
  3. 所属分类:其它

    • 发布日期:2021-02-28
    • 文件大小:1048576
    • 提供者:weixin_42138780
  1. 课堂教学:使用卷积神经网络通过图像分类演示将人工智能引入新生-源码

  2. 手写数字识别 版权所有2020 The MathWorks,Inc. 介绍 该示例代码已与金泽理工大学合作使用卷积神经网络对图像分类进行了开发。 使用使用App Designer构建的原始可视化应用程序,学生可以在学习和体验实用技术的同时,可视化神经网络的训练过程,以使用自己的手写字母来提高其准确性。 工作流程 步骤1:准备资料 步骤1-1 [讲师]打印工作表(template.pdf)并将其提供给每个学生。 [学生]如下在打印的工作表上写0-9位数字。 步骤1-2 [讲师]扫描每个学生
  3. 所属分类:其它

    • 发布日期:2021-02-27
    • 文件大小:1048576
    • 提供者:weixin_42134038
  1. PyTorch可视化理解卷积神经网络

  2. 本文来自于segmentfault,文章使用图片加代码的形式讲解CNN网络,并对每层的输出进行可视化。如今,机器已经能够在理解、识别图像中的特征和对象等领域实现99%级别的准确率。生活中,我们每天都会运用到这一点,比如,智能手机拍照的时候能够识别脸部、在类似于谷歌搜图中搜索特定照片、从条形码扫描文本或扫描书籍等。造就机器能够获得在这些视觉方面取得优异性能可能是源于一种特定类型的神经网络——卷积神经网络(CNN)。如果你是一个深度学习爱好者,你可能早已听说过这种神经网络,并且可能已经使用一些深度学
  3. 所属分类:其它

    • 发布日期:2021-02-24
    • 文件大小:894976
    • 提供者:weixin_38746918
  1. 音乐流派分类:该项目旨在使用多个模型基于音频样本和不同的可视化技术对音乐流派进行分类,以理解数据-源码

  2. 音乐流派分类 关于该项目 该项目旨在使用多种模型基于音频样本和不同的可视化技术对音乐流派进行分类,以理解数据。 该项目的灵感来自上的代码,该代码实现了K-Nearest Neighbor方法来解决此问题。 这是该项目的起点。 数据集: : 笔记本电脑 从音频样本中提取梅尔频率倒谱系数(MFCC)。 包括K-最近邻方法对流派进行分类(来自 )。 比较了具有不同K值的模型的准确性。 使用颜色图可视化的梅尔频率倒谱系数,以更好地理解数据并获得关于MFCC的更直观的视角。 比较了不同类型的MF
  3. 所属分类:其它

    • 发布日期:2021-02-22
    • 文件大小:4194304
    • 提供者:weixin_42160645
  1. 用于CIFAR-10-图像分类的卷积神经网络-源码

  2. 用于CIFAR-10-图像分类的卷积神经网络 使用CNN进行CIFAR-10图像分类 CIFAR-10数据集包含来自10类的32x32彩色图像:飞机,汽车,鸟类,猫,鹿,狗,青蛙,马,船,卡车: 1.准备数据 我们需要将输入标准化,例如:$$ x_ {norm} = \ frac {x} {255}-0.5 $$ 我们需要将类标签转换为一键编码的向量。 使用keras.utils.to_categorical 。 2.定义要用来训练模型的架构 3.训练模型 该模型训练了10个时期 4. ##评
  3. 所属分类:其它

    • 发布日期:2021-02-16
    • 文件大小:5120
    • 提供者:weixin_42109125
  1. DCGAN-tensorflow:“深度卷积生成对抗网络”的张量流实现-源码

  2. Tensorflow中的DCGAN Tensorflow实现是稳定的生成对抗网络。 参考的割炬代码可在找到。 ( )基于此仓库编写了出色的和。 为避免D(鉴别器)网络快速收敛,每次D网络更新都会对G(发电机)网络进行两次更新,这与原始论文有所不同。 在线演示 先决条件 Python 2.7或Python 3.3+ (可选) (用于可视化) (可选) :大规模CelebFaces数据集 用法 首先,使用以下命令下载数据集: $ python download.py mnist c
  3. 所属分类:其它

    • 发布日期:2021-02-06
    • 文件大小:39845888
    • 提供者:weixin_42169971
  1. 注意转移:通过注意转移改善卷积网络(ICLR 2017)-源码

  2. 注意转移 PyTorch代码“更多地关注注意力:通过注意力转移提高卷积神经网络的性能” ICLR2017会议论文: ://openreview.net/forum id Sks9_ajex 到目前为止,此仓库中有什么: 用于CIFAR-10实验的基于激活的AT代码 ImageNet实验代码(ResNet-18-ResNet-34学生教师) Jupyter笔记本可视化ResNet-34的注意力图 未来: 基于研究生的AT 基于场景和CUB激活的AT代码 该代码使用PyTorch
  3. 所属分类:其它

    • 发布日期:2021-02-05
    • 文件大小:412672
    • 提供者:weixin_42129970
  1. PyTorch可视化理解卷积神经网络

  2. 本文来自于segmentfault,文章使用图片加代码的形式讲解CNN网络,并对每层的输出进行可视化。如今,机器已经能够在理解、识别图像中的特征和对象等领域实现99%级别的准确率。生活中,我们每天都会运用到这一点,比如,智能手机拍照的时候能够识别脸部、在类似于谷歌搜图中搜索特定照片、从条形码扫描文本或扫描书籍等。造就机器能够获得在这些视觉方面取得优异性能可能是源于一种特定类型的神经网络——卷积神经网络(CNN)。如果你是一个深度学习爱好者,你可能早已听说过这种神经网络,并且可能已经使用一些深度学
  3. 所属分类:其它

    • 发布日期:2021-01-27
    • 文件大小:882688
    • 提供者:weixin_38733281
« 12 3 4 »