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. TensorFlow基于CIFAR10数据集的卷积神经网络CNN实现

  2. 该压缩包包括了TensorFlow基于CIFAR10数据集的卷积神经网络的代码实现，以及多个测试结果的测试图片。

  3. 所属分类：Python

    • 发布日期：2016-12-28
    • 文件大小：494592
    • 提供者：u010099080

  1. CNN处理kdd99数据集（tensorflow实现）

  2. 基于Tensorflow用CNN（卷积神经网络）处理kdd99数据集，代码包括预处理代码和分类代码，准确率99.6%以上，并且快速收敛至最优值。 (Based on Tensorflow (convolutional neural network) processing KDD99 data set based on CNN, the code includes preprocessing code and classification code, the accuracy rate is m

  3. 所属分类：Python

    • 发布日期：2017-10-30
    • 文件大小：17825792
    • 提供者：peterbupt

  1. CNN（卷积神经网络）python代码

  2. CNN实现MNIST分类，在测试集上实现准确率0.99，TensorFlow实现，容易上手

  3. 所属分类：深度学习

    • 发布日期：2017-11-27
    • 文件大小：7168
    • 提供者：thescam

  1. cnn卷积神经网络

  2. 利用卷积神经网络对mnist数据集进行分类，代码采用python进行编写，并有详细的注释，且文件自带mnist数据集。用户需要搭建好tensorflow环境配合python即可运行。

  3. 所属分类：深度学习

    • 发布日期：2017-12-13
    • 文件大小：22020096
    • 提供者：fayuanzhen2227

  1. CNN卷积神经网络TensorFlow代码

  2. CNN卷积神经网络tensorflow代码，使用MNIST数据集，安装好python和TensorFlow可直接运行

  3. 所属分类：深度学习

    • 发布日期：2018-01-16
    • 文件大小：4096
    • 提供者：qq_21564215

  1. CNN卷积神经网络FASHION数据集及代码

  2. 文件包括数据集，运行结果，权重文件，检查点文件，源代码，执行fashion_sequential_model文件可运行。注意我用TensorFlow2.1编写。修改路径即可运行，还有10张图片，你可以调试程序测试预测效果。可以参考中国慕课TensorFlow笔记，北大课程学习。

  3. 所属分类：深度学习

    • 发布日期：2020-05-10
    • 文件大小：123731968
    • 提供者：a_13572035650

  1. CNN卷积神经网络TensorFlow代码

  2. CNN卷积神经网络tensorflow代码，使用MNIST数据集，安装好python和TensorFlow可直接运行

  3. 所属分类：深度学习

  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. Tensorflow实现卷积神经网络的详细代码

  2. 本文实例为大家分享了Tensorflow实现卷积神经网络的具体代码，供大家参考，具体内容如下 1.概述 定义： 卷积神经网络（Convolutional Neural Network,CNN）是一种前馈神经网络，它的人工神经元可以响应一部分覆盖范围内的周围单元，对于大型图像处理有出色表现。它包括卷积层(alternating convolutional layer)和池层(pooling layer)。 卷积层（convolutional layer）： 对输入数据应用若干过滤器，一个输入参

  3. 所属分类：其它

    • 发布日期：2020-12-25
    • 文件大小：78848
    • 提供者：weixin_38631599

  1. OpenCV-CNN-RoadSign-Recognition:使用OpenCV与Tensorflow相结合，通过一个卷积神经网络识别视频中的路标（程序源代码）-源码

  2. 项目简介 这是一个在Python语言环境下，使用了OpenCV4和Tensorflow两个库联手实现的一个项目，主要功能包括：图片或视频中的路标识别。具体代码展示见这个 。 训练数据主轴哥本哈根大学的公开数据，详见。 算法简介： 这个项目实现的路标识别功能首先使用OpenCV来读取图像，并进行预处理，图像全部转换成灰色调，并使用“直方图均衡”（直方图均衡）这个算法来增强图像尺寸。采用了一个卷积神经网络CNN，利用Tensorflow框架训练成的。 功能示例： 例1 ：： 例2： 例3：

  3. 所属分类：其它

    • 发布日期：2021-03-23
    • 文件大小：4194304
    • 提供者：weixin_42151305

  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. cnn-facial-landmark：基于深度卷积神经网络的人脸标志检测训练代码-源码

  2. cnn-facial-landmark 基于卷积神经网络的人脸标志检测。 这是显示检测结果的示例gif。 该模型是使用TensorFlow构建的，并提供了训练代码，因此您可以使用自己的数据集训练自己的模型。 随附的教程也，其中包括背景，数据集，预处理，模型架构，培训和部署。 我尽力使它们对于初学者来说简单易懂。 遇到困难时可以随时提出问题，也可以分享一些好主意。 入门 这些说明将为您提供在本地计算机上运行并运行的项目的副本，以进行开发和测试。 先决条件 正在安装 只需git克隆此仓库，您就

  3. 所属分类：其它

    • 发布日期：2021-02-06
    • 文件大小：629760
    • 提供者：weixin_42117224

  1. assembled-cnn：“在卷积神经网络中组合组合技术的性能改进”的Tensorflow实现-源码

  2. 在卷积神经网络中组合技术的性能改进 什么是新的 2020年7月11日 我们使用tensorflow 2.1重新实现了assemble-resnet。 如果要查看具有更好可读性的代码，请参考。 | 正式的Tensorflow实施 ， ， ，， ， NAVER / LINE视觉 抽象 图像分类的最新研究已证明了多种改善卷积神经网络（CNN）性能的技术。 但是，尝试结合现有技术以创建实际模型仍然很少见。 在这项研究中，我们进行了广泛的实验，以验证仔细地组装这些技术并将其应用于基本CNN模型（例如

  3. 所属分类：其它

    • 发布日期：2021-02-06
    • 文件大小：3145728
    • 提供者：weixin_42131443

  1. EEG-电机图像分类-CNNs-TensorFlow：基于TensorFlow的卷积神经网络（CNN）进行EEG运动图像任务分类（按通道）-源码

  2. 通过卷积神经网络（CNN）进行的EEG运动图像信号（任务）分类 作者：贾树跃，东北电力大学。 日期：2018年12月 下载论文 注意：本文中的方法是EEG源成像（ESI）+ Morlet小波联合时频分析（JTFA）+卷积神经网络（CNN）。 原始数据已使用Matlab Toolkit 。 我的工作是在ESI + JTFA过程之后，使用CNN对EEG数据进行分类。 通过ESI + JTFA流程预处理的数据集（.mat文件）可以通过。 可以从下载相应的预处理.Excel文件。 同时，该存储库中的

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：15360
    • 提供者：weixin_42129300

  1. cnn-text-classification：在Yelp，IMDB和句子极性数据集v1.0上使用卷积神经网络进行文本分类-源码

  2. 卷积神经网络（CNN）的文本分类 这是一个使用CNN对文本文档/句子进行分类的项目。 您可以在和的博客条目中找到类似方法的精彩介绍。 我的方法与Denny和Yoon Kim的原始论文[1]相似。 您也可以在找到Yoon Kim的实现。 ***更新***-2019年12月15日：版本0.2.0的更改 我已将代码更新为TensorFlow2。此外，我在jupyter笔记本中进行了一些更改： 删除Yelp数据集 为IMDB添加TensorFlow数据集 ***更新***-2019年5月17日：0.1

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：214016
    • 提供者：weixin_42108054

  1. twitter-sentiment-cnn：在TensorFlow中实现卷积神经网络（CNN），以对推文执行情感分类-源码

  2. Twitter情感分类，作者Daniele Grattarola 这是卷积神经网络（CNN）的TensorFlow实现，用于对推文执行情感分类。 该代码具有教育意义，可以自己训练模型并使用不同的配置，并且不能按原样开发（尽管已在）。 用于训练的数据集是从（有人向我报告说，有时指向数据集的链接似乎已dataset_downloader.py ，因此dataset_downloader.py可能不起作用。我于2018年1月20日成功运行了该脚本，但请报告给我有任何问题）。 注意：此脚本仅适用于

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：13312
    • 提供者：weixin_42097557

  1. CNN-3D-images-Tensorflow：使用CNN（卷积神经网络）进行3D图像分类-源码

  2. 使用Tensorflow的CNN 3D图像 目标：使用CNN（卷积神经网络）进行MRI分类任务 代码依赖关系：Tensorflow 1.0，Anaconda 4.3.8，Python 2.7 从3D医学图像学习模型的困难 数据大小太大。 例如218x182x218或256x256x40 数据数量有限。 换句话说，训练规模太小。 所有图像看起来都非常相似，并且主体之间只有细微的差别。 可能的解决方案 配备好的机器，尤其是RAM 在预处理中对图像进行下采样 数据扩充，例如旋转，移位，组合

  3. 所属分类：其它

    • 发布日期：2021-02-01
    • 文件大小：4096
    • 提供者：weixin_42157166

  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 »