注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. softmax regression.ipynb

  2. 能够识别图片中的手写数字的机器学习模型，是来自深度学习之tensoflow入门、原理与进阶实战该书的第五章实例，其中有我改动过的，该资源无误，可执行

  3. 所属分类：深度学习

    • 发布日期：2020-05-04
    • 文件大小：70656
    • 提供者：kingbba

  1. 数字识别案例.ipynb

  2. 使用 PaddlePaddle来学习手写数字分类.我们这里要解决的问题是，将手写数字的灰度图像（28 像素×28 像素）划分到 10 个类别 中（0~9）。我们将使用 MNIST 数据集.

  3. 所属分类：互联网

    • 发布日期：2020-04-01
    • 文件大小：52224
    • 提供者：claychenlei

  1. Python SVM 手写数字识别.ipynb

  2. 代码配套教程：https://blog.csdn.net/weixin_41738030/article/details/100130638， 提供给有需要的朋友，主要是用Python SVM 手写数字识别，这是Jupyter Notebook格式,需要读者自行安装Jupyter Notebook进行upload文件直接运行。

  3. 所属分类：机器学习

    • 发布日期：2020-01-10
    • 文件大小：39936
    • 提供者：weixin_41738030

  1. mnist_test.ipynb

  2. 手写数字识别tensorflow代码！

  3. 所属分类：深度学习

    • 发布日期：2020-06-08
    • 文件大小：58368
    • 提供者：qq_41427234

  1. 机器学习实例代码-手写数字识别.ipynb

  2. 练一个简单的全连接神经网络，即多层感知机（MLP），实战Python代码，下载即可使用，练一个简单的全连接神经网络，即多层感知机（MLP），实战Python代码，下载即可使用，

  3. 所属分类：Python

    • 发布日期：2020-08-10
    • 文件大小：8192
    • 提供者：magicdreamer

  1. 卷积识别手写数字.ipynb

  2. 卷积识别手写数字，对比 GPU 和 CPU的差别；

  3. 所属分类：深度学习

    • 发布日期：2020-11-04
    • 文件大小：10240
    • 提供者：chaoge_dgqb

  1. 【机器学习】基于Logistic Regression模型实现手写数字识别.ipynb

  2. 基于Logistic Regression模型实现手写数字识别

  3. 所属分类：算法与数据结构

    • 发布日期：2020-11-12
    • 文件大小：12288
    • 提供者：qq_45569373

  1. 【机器学习】基于KNN模型实现手写数字识别.ipynb

  2. 基于KNN模型实现手写数字识别

  3. 所属分类：算法与数据结构

    • 发布日期：2020-11-12
    • 文件大小：9216
    • 提供者：qq_45569373

  1. MNIST手写数字识别问题的多层神经网络模型实践

  2. （10分） MNIST手写数字识别问题的多层神经网络模型实践 按课程案例，动手完成编码实践。 自行设计一种神经网络模型，并尝试采用不同超参数，让模型的准确率达到97.5%。 提交要求： 1、你认为最优的一次带运行结果的源代码文件（.ipynb 格式） 2、作为附件上传 评分标准： 1、完成MNIST手写数字识别的神经网络建模与应用，有完整的代码，模型能运行，准确率达97%以上；得6分；每下降一个百分点，少得1分； 2、准确率达97.3%以上；再得2分，否则再得0分； 3、准确率到97.5%以上；

  3. 所属分类：其它

    • 发布日期：2020-12-22
    • 文件大小：164864
    • 提供者：weixin_38621365

  1. digit-recognizer:Digit Recognizer-使用ML算法从数万个手写图像的数据集中正确识别数字-源码

  2. 数字识别器 MNIST（“国家标准技术研究院”）是计算机视觉的事实上的“ hello world”数据集。自从1999年发布以来，这个经典的手写图像数据集已成为基准分类算法的基础。目标是从成千上万个手写图像的数据集中正确识别数字。在此笔记本中，我们将探索流行的Digit Recognizer数据集，并建立一个SVM模型来对手写数字进行分类。 数据 了以下问题的数据由于数据集很大，因此尚未将其添加到存储库中，因此，如果要执行笔记本，请从上述Kaggle链接下载数据集并将其放在data /目录中。

  3. 所属分类：其它

    • 发布日期：2021-03-18
    • 文件大小：44032
    • 提供者：weixin_42143161

  1. 手写数字识别.ipynb

  2. 使用python和keras实现的手写数字识别，Jupyter Notebook格式，几乎每行代码都有注释，适合初学图像识别的小白。

  3. 所属分类：深度学习

    • 发布日期：2021-03-13
    • 文件大小：288768
    • 提供者：weixin_46952408

  1. Handwritten-Numbers-Recognition-System:手写数字识别系统-源码

  2. 使用方法 train.ipynb训练并保存模型 my_model.h5是保存下来的模型 预报.ipynb进行手写数字识别 希望实现“保存与加载模型”这一功能 new_model = keras.models.load_model（'my_model.h5'） 报错：ValueError：未知的初始值设定项：GlorotUniform 解决方法是在'keras'前面加'tensorflow。 tensorflow.keras.models.load_model（'my_model.h5'） 希望

  3. 所属分类：其它

    • 发布日期：2021-03-11
    • 文件大小：551936
    • 提供者：weixin_42098251

  1. 人工智能：NIST手写数字识别问题的单神经元模型实践

  2. NIST手写数字识别问题的单神经元模型实践 按课程案例，动手完成编码实践。 在不改变模型的结构基础上，尝试采用不同的学习率、单批次样本数、训练轮数等超参数，让模型的准确率达到90%。 提交要求： 1、你认为最优的一次带运行结果的源代码文件（.ipynb 格式） 2、作为附件上传 评分标准： 1、完成案例中的代码，有完整的代码，模型能运行，准确率达87%以上；得6分； 2、准确率达89%以上；再得2分，否则得0分； 3、准确率达90%以上；再得2分，否则得0分； 代码： import tensor

  3. 所属分类：其它

    • 发布日期：2021-01-21
    • 文件大小：81920
    • 提供者：weixin_38502915