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下编写CNN网络的框架

  2. Windows下tensorflow-GPU-1.8的python下的CNN模板，内置的lenet-5模型，我特意把它修改成很容易换成别的网络模型，我是在官网的cifar-10代码的基础上进行改动，里面写了详细的中文注释，我还加上了获取混淆矩阵和分类错误图片的路径的功能，更加方便分析模型性能。

  3. 所属分类：深度学习

    • 发布日期：2018-06-08
    • 文件大小：8192
    • 提供者：lsjweiyi

  1. tensorflow图像分类

  2. tesnorflow实现图片分类代码，采用CNN网络架构，具有知道意义

  3. 所属分类：深度学习

    • 发布日期：2018-09-06
    • 文件大小：4096
    • 提供者：qq_22175641

  1. 场景分类places365

  2. Places365是Places2数据库的最新子集。 Places365有两个版本：Places365-Standard和Places365-Challenge。 Places365-Standard的列车集有来自365个场景类别的约180万张图像，每个类别最多有5000张图像。 我们已经在Places365-Standard上培训了各种基线CNN，并将其发布如下。 与此同时，一系列的Places365-Challenge列车还有620万张图片以及Places365-Standard的所有图片

  3. 所属分类：机器学习

    • 发布日期：2018-10-19
    • 文件大小：999424
    • 提供者：enxuan

  1. 基于CNN算法实现四种花的识别

  2. 参考网上代码，实现的基于CNN模型算法实现的四种花的分类，能够自己选择本地图片也能拍照进行识别。

  3. 所属分类：深度学习

    • 发布日期：2019-04-03
    • 文件大小：41943040
    • 提供者：bayhax

  1. CNN实现图片分类.zip

  2. 数据预处理：将数据集按照类别进行分组处理，分别对应的目录为0-9，读取图片，保存数据集； 将数据集和标签按照相同的种子进行打乱处理，然后按照标签的比例进行分割数据集，80%作为训练集（训练集中的10%作为验证集，查看是否过拟合），20%作为测试集。 构建CNN模型，这里是基于TensorFlow2.0进行搭建的，具体代码如图所示： 其中包括输入层（32*32的图像，3通道），两个卷积层，1个池化层，重复一次，展平经过全连接层，最后输出层，除了输出层的激活函数是softmax，其他的都是rel

  3. 所属分类：Python

    • 发布日期：2020-04-10
    • 文件大小：311296
    • 提供者：wws_2017

  1. CNN实现图片分类，python代码

  2. CNN实现图片分类，用tensorflow python实现，目前是三类，可以增加类别。

  3. 所属分类：深度学习

    • 发布日期：2020-06-12
    • 文件大小：283648
    • 提供者：weixin_39402258

  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-11. DNN深度神经网络手写图片识别

  2. 人工智能基础视频教程零基础入门课程 第十一章 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：529530880
    • 提供者：suolong123

  1. 机器学习-06. 多分类、决策树分类、随机森林分类（下）

  2. 人工智能基础视频教程零基础入门课程 第六章（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 Ten

  3. 所属分类：机器学习

    • 发布日期：2020-07-16
    • 文件大小：705691648
    • 提供者：suolong123

  1. 机器学习-06. 多分类、决策树分类、随机森林分类（上）

  2. 人工智能基础视频教程零基础入门课程 第六章（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 Ten

  3. 所属分类：机器学习

    • 发布日期：2020-07-16
    • 文件大小：499122176
    • 提供者：suolong123

  1. 机器学习-05. 分类器项目案例和神经网络算法

  2. 人工智能基础视频教程零基础入门课程 第五章 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 Tensor

  3. 所属分类：机器学习

    • 发布日期：2020-07-16
    • 文件大小：984612864
    • 提供者：suolong123

  1. 机器学习-02. 线性回归深入和代码实现

  2. 人工智能基础视频教程零基础入门课程 第二章 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 Tensor

  3. 所属分类：机器学习

    • 发布日期：2020-07-15
    • 文件大小：1015021568
    • 提供者：suolong123

  1. Pytorch 使用CNN图像分类的实现

  2. 主要介绍了Pytorch 使用CNN图像分类的实现，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧

  3. 所属分类：其它

    • 发布日期：2020-09-16
    • 文件大小：88064
    • 提供者：weixin_38675970

  1. 解决Keras中CNN输入维度报错问题

  2. 想要写分类器对图片进行分类，用到了CNN。然而，在运行程序时，一直报错： ValueError: Negative dimension size caused by subtracting 5 from 1 for ‘conv2d_1/convolution’ (op: ‘Conv2D’) with input shapes: [?,1,28,28], [5,5,28,30]. 这部分提到的代码是这样的,这是我的分类器的输入层： model.add(Conv2D(30,(5, 5), in

  3. 所属分类：其它

    • 发布日期：2020-12-17
    • 文件大小：48128
    • 提供者：weixin_38575421

  1. Pytorch 使用CNN图像分类的实现

  2. 需求 在4*4的图片中，比较外围黑色像素点和内圈黑色像素点个数的大小将图片分类 如上图图片外围黑色像素点5个大于内圈黑色像素点1个分为0类反之1类 想法 通过numpy、PIL构造4*4的图像数据集 构造自己的数据集类 读取数据集对数据集选取减少偏斜 cnn设计因为特征少，直接1*1卷积层 或者在4*4外围添加padding成6*6,设计2*2的卷积核得出3*3再接上全连接层 代码 import torch import torchvision import torchv

  3. 所属分类：其它

    • 发布日期：2020-12-17
    • 文件大小：83968
    • 提供者：weixin_38665046

  1. mushroom_classifier:该项目的目标是训练CNN对大约1000种不同蘑菇的图片进行分类-源码

  2. 使用CNN的蘑菇识别分类器 目标： 该项目的目的是创建一个工具，该工具能够对来自大约1000种不同流行蘑菇种的蘑菇图片进行分类。 介绍： 蘑菇是重要的食物来源，并且在烹饪中被广泛使用，在许多美食中（特别是中国，韩国，欧洲和日本）。 此外，许多人喜欢户外活动来收集蘑菇。 但是，这种活动带来一些健康风险，因为某些有毒物质物种看起来与可食用标本相似。 在下面的示例中，我介绍了美味可食用的蘑菇Macrolepiota mastoidea和鹅膏菌鹅膏菌之间的相似性，这种摄入会导致死亡。 因此，辨别哪

  3. 所属分类：其它

    • 发布日期：2021-03-13
    • 文件大小：23068672
    • 提供者：weixin_42099087

  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. 在PyTorch上使用CNN进行狗品种分类：Udacity的DeepLearning Nanodegree的狗品种项目-源码

  2. 项目概况 欢迎来到Udacity的DeepLearning纳米学位中的卷积神经网络（CNN）项目！ 在该项目结束时，该代码将接受任何用户提供的图像作为输入。 如果在图像中检测到狗，它将提供狗的品种的估计值。 如果检测到人，它将提供最相似的犬种的估计。 下图显示了已完成项目的潜在示例输出。 前方的路 我们将笔记本分为几个步骤： 导入数据集 检测人类 检测狗 创建CNN对狗的品种进行分类（从头开始） 创建CNN对狗的品种进行分类（使用转移学习） 测试算法 一些有趣的结果： 最终模型的测试准确

  3. 所属分类：其它

    • 发布日期：2021-02-16
    • 文件大小：3145728
    • 提供者：weixin_42131861

  1. Food-Recipe-CNN：使用深度卷积神经网络将食物图像转化为食谱-源码

  2. 用于烹饪食谱检索的深度学习食物图像识别系统 演示：DeepChef 总览 更新：博客文章现已发布。 有关更多信息，请访问！ 例如用法，请访问此Jupyter Notebook： Maturaarbeit 2018：这项工作利用Keras的深度卷积神经网络将图像分类为230种食物并输出匹配的食谱。 数据集包含来自chefkoch.de的> 400'000食物图像和> 300'000食谱。 几乎没有任何其他领域能像营养一样对人类福祉产生类似的影响。 每天，用户都会在社交网络上发布无数的

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：208666624
    • 提供者：weixin_42129005
« 12 »