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. DigitClassification:MNIST数据库分类算法的研究-源码

  2. 数字分类 对和数据库上的分类算法进行了。 为了进行分类，我的研究包括诸如K均值，SVD，切线距离，K最近邻，神经网络和卷积神经网络之类的方法。 文件夹中包含混淆矩阵，以及一篇论文，讨论了我到目前为止的分类工作。可在文件夹中找到K均值，SVD，切线距离的代码。可在文件夹中找到K最近邻居，神经网络和卷积神经网络的。 截至3/8/2021，我的报告尚不完整，预计将于2021年4月25日完成。 截至3/8/2021，我的python代码不完整。我想完善我的C-NN代码，还没有建立起用于分类的神经网络。

  3. 所属分类：其它

    • 发布日期：2021-03-18
    • 文件大小：572416
    • 提供者：weixin_42133918

  1. MLP-for-MNIST-Hand-writtern-Digits-Classification-源码

  2. MLP用于MNIST手笔数字分类

  3. 所属分类：其它

    • 发布日期：2021-03-14
    • 文件大小：16777216
    • 提供者：weixin_42131628

  1. MNIST-DigitRecognizer:手写数字分类的神经网络-源码

  2. MNIST数字识别器 识别手写数字的基本前馈神经网络使用C99编写，没有外部库

  3. 所属分类：其它

    • 发布日期：2021-03-09
    • 文件大小：2097152
    • 提供者：weixin_42126668

  1. MNIST-digit-classification-源码

  2. MNIST数字分类 MNIST（“改良的美国国家标准技术研究院”）是手写图像的经典数据集，并且已成为基准分类算法的基础。它的训练集为60,000个示例，测试集为10,000个示例。 NIST可提供的较大集合的子集。 建立贝叶斯分类器以对MNIST手写数字识别数据库中的数字进行分类。主要任务是： i）区分“ 0”和“ 1”数字：来自MNIST数据集的“ 0”和“ 1”示例为 ii）区分“ 3”和“ 8”数字：来自MNIST数据集的“ 3”和“ 8”数字示例为 接下来，计算模型的分类精度，并

  3. 所属分类：其它

    • 发布日期：2021-03-08
    • 文件大小：11534336
    • 提供者：weixin_42103128

  1. MNIST-Digit-Classifier-Web-App:使用Streamlit部署MNIST数字分类器-源码

  2. MNIST数字分类器Web应用程序 使用Streamlit和Heroku部署MNIST数字分类器 （对于任何想要调整画布背景颜色的人，我建议不要这样做，因为当我将画布背景设置为白色并将画笔笔触设置为黑色时，分类器会开始提供垃圾输出。如果它适合您，请让我也知道。） 描述 mnist.ipynb是培训笔记本。 mnist.py包含简化的代码。 mnist.h5是在mnist.ipynb笔记本中训练的训练模型。 Heroku需要Procfile，Requirements.txt和setup.s

  3. 所属分类：其它

    • 发布日期：2021-03-08
    • 文件大小：1048576
    • 提供者：weixin_42099858

  1. MNIST-Image-Classification:MNIST图像分类-源码

  2. MNIST图像分类 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。 随着新的机器学习技术的出现，MNIST仍然是研究人员和学习者的可靠资源。 数据集包含两个文件： 1.）mnist_train.csv 2.）mnist_test.csv mnist_train.csv文件包含60,000个培训示例和标签。 mnist_test.csv包含10,000个测试示例和标

  3. 所属分类：其它

    • 发布日期：2021-03-05
    • 文件大小：15728640
    • 提供者：weixin_42161450

  1. python-neural-network:https的分叉-源码

  2. 使用numpy实现的MLP神经网络库 一般的 这是一个功能齐全的前馈神经网络库。 实现的功能有： 损失函数：交叉熵，均方误差 层：线性，S形，ReLU 具有正向和反向传播的网络 一个热编码标签的功能 混淆矩阵可视化器 有两个演示来演示库的功能： 虹膜数据集分类器 手写数字（mnist）分类器 代码中有很多注释来解释细节 需求 python 3.x 麻木 matplotlib 安装 要安装所需的依赖项： make install 。 演示（iris数据集） 要运行演示： python3

  3. 所属分类：其它

    • 发布日期：2021-03-05
    • 文件大小：11534336
    • 提供者：weixin_42118011

  1. 简介到深度学习-源码

  2. HSE深度学习简介 此仓库目前包含编程任务！！！ 课程于八月更新。 此仓库也包含新编程任务的解决方案！！！ 第一周 ：-线性模型与优化 第二周 ：-带有TF的MNIST数字分类 _2_2：-Numpy NN（荣誉） 第三周 ：-您在CIFAR-10上的第一个CNN ：-对花的分类微调Inception V3 第四周 ：-简单的自动编码器 ; -生成对抗网络（Hohttps：//github.com/AKASH2907/Introduction_to_Deep_Learning_Co

  3. 所属分类：其它

    • 发布日期：2021-02-26
    • 文件大小：13631488
    • 提供者：weixin_42130786

  1. 手写数字分类器：在这个项目中，我使用MNIST数据集尝试了一些计算机视觉基础知识。 在该项目中，我训练了机器学习分类算法，以将用户绘制的数字识别为介于0到9之间的数字-源码

  2. 手写数字分类器 在这个项目中，我使用MNIST数据集尝试了一些计算机视觉基础知识。 在这个项目中，我训练了机器学习分类算法，以将用户绘制的数字识别为介于0到9之间的数字。

  3. 所属分类：其它

    • 发布日期：2021-02-22
    • 文件大小：23552
    • 提供者：weixin_42129300

  1. processing-number-classifier：使用玩具神经网络的简单数字分类器。 使用MNIST数据集训练网络-源码

  2. 处理编号分类器 使用玩具神经网络的简单数字分类器。 使用MNIST数据集训练神经网络。 入门 先决条件 您需要安装 正在安装 克隆github项目 git clone https://github.com/lexesjan/processing-number-classifier.git 打开NumberClassifier文件夹，然后双击NumberClassifier.pde文件

  3. 所属分类：其它

    • 发布日期：2021-02-20
    • 文件大小：12582912
    • 提供者：weixin_42102634

  1. mnist_ann_from_scratch：在mnist数据集上实施的从头开始制作的ANN，用于数字分类-源码

  2. mnist_ann_from_scratch 从头开始制作的人工神经网络模块。 在mnist数据集上进行数字分类。 在测试和训练数据集上达到98％到99％的准确性。 Web Api当前是非常糟糕的实现。 犯错误很多次。 必须从绘图板更改输入类似于培训一个。

  3. 所属分类：其它

    • 发布日期：2021-02-20
    • 文件大小：1048576
    • 提供者：weixin_42144199

  1. A_Guide_to_Running_Tensorflow_Models_on_Android：这是YouTube上SIraj Raval撰写的“在Android上运行Tensorflow模型指南”的代码-源码

  2. A_Guide_to_Running_Tensorflow_Models_on_Android 这是Youtube上SIraj Raval撰写的“在Android上运行Tensorflow模型指南”的代码 概述 这是Siraj Raval在YouTube上录制的视频的代码。 带有TensorFlow的Android上的MNIST的手写数字分类。 如果您要制作此应用程序的自己的版本，或者想知道如何保存模型并将其导出到Android或其他设备，请查看以下非常简单的教程。 UI和expert-g

  3. 所属分类：其它

    • 发布日期：2021-02-20
    • 文件大小：33554432
    • 提供者：weixin_42139460

  1. MNIST_分类-源码

  2. MNIST_分类 MNIST数据集，是由高中生和美国人口普查局员工手写的70,000个数字小图像集。 每个图像都标有代表的数字。 对这套软件进行了如此深入的研究，以至于通常被称为机器学习的“ Hello World”：每当人们想出一种新的分类算法时，他们都想知道它如何在MNIST上运行。 每当有人学习机器学习时，他们迟早都会解决MNIST。 分类： MNIST 训练二元分类器 绩效考核 使用交叉验证测量精度 混淆矩阵 精确度和召回率 精度/召回权衡 ROC曲线 多类别分类 误差分析 多标签分

  3. 所属分类：其它

    • 发布日期：2021-02-18
    • 文件大小：286720
    • 提供者：weixin_42104906

  1. 数码相机-源码

  2. 数码相机 用于对数字进行分类的计算机视觉项目。 从头开始实现的前馈人工神经网络将28x28 MNIST数字分类。 神经网络具有115个节点的单个隐藏层。 输入是图像的784像素灰度值的向量。 使用反向传播和随机梯度下降（均方误差作为损失函数）来训练神经网络。 在隐藏层中有115节点的情况下，在10纪元上以0.0001学习率进行训练，得出的准确度为0.857 。 原始MNIST数据取自该。 像素暗度值介于0-1之间的规范化数据集可以在下载-文件大小对于github而言太大。 要预测自己未知

  3. 所属分类：其它

    • 发布日期：2021-02-17
    • 文件大小：12288
    • 提供者：weixin_42134537

  1. 文件夹-源码

  2. 李Li（Simon Li）的数据科学组合 该产品组合是笔记本的汇编，在其中我探索和分析了机器学习中的数据科学问题。 以下项目分为几个主要类别：教程，kaggle竞赛，回归问题，自然语言处理，神经网络和数据探索。 讲解 Kaggle比赛 回归问题 聚类 KNN数字分类简介 手写数字用于银行支票，医疗应用程序和邮件，但因人而异。 在此项目中，使用K近邻算法将手写数字图像的MNIST数据集分类为0到9之间的数字。 自然语言处理 披萨的随机行为（ROAP） 一个流行的subreddit是比萨

  3. 所属分类：其它

    • 发布日期：2021-02-16
    • 文件大小：2048
    • 提供者：weixin_42134117

  1. Mnist-数字分类-源码

  2. Mnist-数字分类 这是一个使用mnist手写数据集的机器学习教程项目。 自制文件夹旨在作为一种无需使用外部程序包即可直接创建神经网络的方法。 这使用从下载的mnist数据集。 该数据集不包含在此仓库中。 tf文件夹使用tensorflow库包含相同的文件。 settens的教程启发了使用tensorflow的神经网络。 这一工作效率更高。 有两种不同类型的文件： 训练 训练模型，然后创建一个窗口以显示来自测试数据集的图像以及该模型预测的猜测。 绘图位数 用户可以在屏幕上绘制，然后使用模

  3. 所属分类：其它

    • 发布日期：2021-02-15
    • 文件大小：1048576
    • 提供者：weixin_42123296

  1. MNIST数字分类：MNIST数字分类基本-源码

  2. MNIST数字分类：MNIST数字分类基本

  3. 所属分类：其它

    • 发布日期：2021-02-14
    • 文件大小：14336
    • 提供者：weixin_42121725

  1. dkube-examples-internal：DKube深度学习平台的示例-源码

  2. dkube-例子 该存储库包含移植到Dkube上运行的DL示例，并展示了Dkube平台的功能。 功能- 在Tensorflow，Pytorch等已知框架上进行深度学习培训... 基于定制容器的培训，可以使用定制框架或简单的python / C ++代码 基于GPU的培训。 分布式培训。 超参数调整以找到最佳参数空间。 使用自定义容器进行数据预处理。 使用管道自动化的工作流程。 提供以下示例， Tensorflow示例 使用MNIST网络进行灰度数字分类。 支持基于GPU的训练，

  3. 所属分类：其它

    • 发布日期：2021-02-12
    • 文件大小：174063616
    • 提供者：weixin_42144199

  1. MNIST-C分类：C ++中的MNIST数字分类-源码

  2. MNIST-C ++分类 C ++中的MNIST数字分类

  3. 所属分类：其它

    • 发布日期：2021-02-10
    • 文件大小：13631488
    • 提供者：weixin_42099815

  1. svm_mnist_digit_classification：具有scikit学习和支持向量机（SVM）算法的MNIST数字分类-源码

  2. 使用scikit-learn在python中进行SVM MNIST数字分类 该项目提出了的众所周知的问题。 出于本教程的目的，我将使用具有原始像素特征的算法。 该解决方案使用易于使用的机器学习库以python编写。 该项目的目标不是达到最先进的性能，而是教您如何使用sklearn的SVM在图像数据上训练SVM分类器。 尽管该解决方案并未针对高精度进行优化，但结果还是不错的（请参见下表）。 如果您想获得最佳性能，这两个资源将向您展示当前的最新解决方案： 下表显示了与其他模型相比的一些结果：

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：50176
    • 提供者：weixin_42150341
« 12 3 »