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. 卷积神经网络实现情感分类

  2. 用tensorflow框架，深度学习中卷积神经网络cnn模型，对电影评论进行情感二分类。

  3. 所属分类：Python

    • 发布日期：2016-11-07
    • 文件大小：11534336
    • 提供者：qq_33064189

  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CNN

  2. 主要为大家详细介绍了TensorFlow实现卷积神经网络CNN，具有一定的参考价值，感兴趣的小伙伴们可以参考一下

  3. 所属分类：其它

    • 发布日期：2020-09-20
    • 文件大小：83968
    • 提供者：weixin_38512659

  1. TensorFlow实现卷积神经网络CNN

  2. 一、卷积神经网络CNN简介 卷积神经网络（ConvolutionalNeuralNetwork，CNN）最初是为解决图像识别等问题设计的，CNN现在的应用已经不限于图像和视频，也可用于时间序列信号，比如音频信号和文本数据等。CNN作为一个深度学习架构被提出的最初诉求是降低对图像数据预处理的要求，避免复杂的特征工程。在卷积神经网络中，第一个卷积层会直接接受图像像素级的输入，每一层卷积（滤波器）都会提取数据中最有效的特征，这种方法可以提取到图像中最基础的特征，而后再进行组合和抽象形成更高阶的特征，因

  3. 所属分类：其它

    • 发布日期：2020-12-25
    • 文件大小：83968
    • 提供者：weixin_38736721

  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. Tensorflow卷积神经网络

  2. 卷积神经网络(ConvolutionalNeuralNetwork,CNN)是一种前馈神经网络,在计算机视觉等领域被广泛应用.本文将简单介绍其原理并分析Tensorflow官方提供的示例.关于神经网络与误差反向传播的原理可以参考作者的另一篇博文BP神经网络与Python实现.卷积是图像处理中一种基本方法.卷积核是一个f*f的矩阵.通常n取奇数,使得卷积核有中心点.对图像中每个点取以其为中心的f阶方阵,将该方阵中各值与卷积核中对应位置的值相乘,并用它们的和作为结果矩阵中对应点的值.1*1+1*0+

  3. 所属分类：其它

    • 发布日期：2021-02-25
    • 文件大小：572416
    • 提供者：weixin_38645133

  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. 图像分类-卷积神经网络：使用MNIST时尚数据集，构建了卷积神经网络将图像分类为10个类别之一。 使用TensorFlow Framework和Keras库实现了CNN。 在Google Colab上以60,000张图像训练模型-源码

  2. 图像分类-卷积神经网络：使用MNIST时尚数据集，构建了卷积神经网络将图像分类为10个类别之一。 使用TensorFlow Framework和Keras库实现了CNN。 在Google Colab上以60,000张图像训练模型

  3. 所属分类：其它

    • 发布日期：2021-02-17
    • 文件大小：564224
    • 提供者：weixin_42113456

  1. Signed-MNIST-reognition：用于识别手语MNIST数据集中字母的卷积神经网络模型-源码

  2. MNIST签名 我开发了一种卷积神经网络模型，用于识别字母，该模型由24个美国手语（ASL）字母组成（不包括需要运动的字母）。 该CNN使用4个卷积层，4个池化层和2个完全连接的层来将ASL中的输入图像准确分类为相关字母。 该模型在25个时期内可达到99.986％的精度，在15个时期内可实现始终如一的精确度> 99％，且运行时间少于10分钟。 该模型是在Kaggle中构建的，可轻松导入和操作数据集，原始脚本以及执行输出可在 查看。 在此项目中实施的图书馆： 凯拉斯 TensorFlo

  3. 所属分类：其它

    • 发布日期：2021-02-15
    • 文件大小：3072
    • 提供者：weixin_42181545

  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. cnn_captcha：使用cnn通过tensorflow识别验证码。本项目针对字符型图片验证码，使用tensorflow实现卷积神经网络，进行验证码识别-源码

  2. cnn_captcha 使用CNN通过张量流识别验证码。本项目针对字符型图片验证码，使用张量流实现卷积神经网络，进行验证码识别。项目封装了比较通用的校验，训练，验证，识别，API模块，极大地减少了识别字符型验证码花费的时间和能量。 如果您在使用过程中出现了一个错误和做好的改进，欢迎提出问题和PR，作者会尽快回复，希望能和您共同完善项目。 如果您需要识别点选，拖拽类验证码，或者有目标检测需求，也可以参考这个项目 。 时间表 2018.11.12 初版Readme.md 2018.11.21 加入

  3. 所属分类：其它

    • 发布日期：2021-02-05
    • 文件大小：358400
    • 提供者：weixin_42119358

  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. text-cnn-tensorflow：TensorFlow实现卷积神经网络的句子分类（TextCNN）-源码

  2. 文字cnn 该代码实现了模型的。 图1：用于句子分类的CNN架构图 要求 Python 3.6 TensorFlow 1.4 （Singleton Config） tqdm 要求 项目结构 通过初始化项目 . ├── config # Config files (.yml, .json) using with hb-config ├── data # dataset path ├── notebooks

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：2097152
    • 提供者：weixin_42106299

  1. Tensorflow卷积神经网络

  2. 卷积神经网络(ConvolutionalNeuralNetwork,CNN)是一种前馈神经网络,在计算机视觉等领域被广泛应用.本文将简单介绍其原理并分析Tensorflow官方提供的示例.关于神经网络与误差反向传播的原理可以参考作者的另一篇博文BP神经网络与Python实现.卷积是图像处理中一种基本方法.卷积核是一个f*f的矩阵.通常n取奇数,使得卷积核有中心点.对图像中每个点取以其为中心的f阶方阵,将该方阵中各值与卷积核中对应位置的值相乘,并用它们的和作为结果矩阵中对应点的值.1*1+1*0+

  3. 所属分类：其它

    • 发布日期：2021-01-27
    • 文件大小：556032
    • 提供者：weixin_38732425

  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

  1. TensorFlow 实战之实现卷积神经网络的实例讲解

  2. 本文根据最近学习TensorFlow书籍网络文章的情况,特将一些学习心得做了总结,详情如下.如有不当之处,请各位大拿多多指点,在此谢过。 一、相关性概念 1、卷积神经网络（ConvolutionNeural Network，CNN） 19世纪60年代科学家最早提出感受野（ReceptiveField）。当时通过对猫视觉皮层细胞研究，科学家发现每一个视觉神经元只会处理一小块区域的视觉图像，即感受野。20世纪80年代，日本科学家提出神经认知机（Neocognitron）的概念，被视为卷积神经网络最初

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：131072
    • 提供者：weixin_38606202
« 12 3 4 5 »