您好,欢迎光临本网站![请登录][注册会员]  

搜索资源列表

  1. emnist-csv.rar

  2. Emnist数据集(Mnist数据集的扩展形式,包括A-Z大小写字母,0-9阿拉伯数字),csv格式,可以直接用pandas读取,训练集和测试集都有,标签自带,py程序里有数据及解释,解压并修改文件路径就可以用。
  3. 所属分类:深度学习

    • 发布日期:2020-06-20
    • 文件大小:36700160
    • 提供者:Dangerous_Zombie
  1. EMNIST手写体数据集

  2. 共分为两部分,一部分是原始的EMNIST数据集,另一部分是已经解析为png格式并分类的Emnist_letters图片数据集
  3. 所属分类:深度学习

    • 发布日期:2020-12-23
    • 文件大小:568328192
    • 提供者:SESESssss
  1. ISL-BCFL-源码

  2. ISL-BCFL kvstore稳定测试 docker-compose -f docker-compose-kvtest.yml up --scale nodes=5 docker-compose -f docker-compose-kvtest.yml down -v 现在我们转到python版本应用程序 py abci-app 数据集设置 cd /data # emnist dataset NUMOFPKG=4 bash create_emnist_dataset.sh # mnist
  3. 所属分类:其它

    • 发布日期:2021-03-18
    • 文件大小:3145728
    • 提供者:weixin_42121086
  1. 神经网络正则化技术:在本研究中,我们将使用平衡的EMNIST数据集探索可用于解决给定神经网络体系结构过拟合问题的不同正则化方法-源码

  2. 在平衡的EMNIST数据集上训练的简单神经网络体系结构上对正则化技术的评估 在这项研究中,我们将探索使用平衡的EMNIST数据集的不同正则化方法,这些方法可用于解决给定神经网络架构中的过拟合问题。 我们将首先通过更改网络的隐藏单元数(宽度)和隐藏层数(深度)来确定问题,以便了解过拟合对不同网络形状的影响。 随后,我们将进行不同的实验,以了解如何解决将固定的架构和超参数的基准模型添加Dropout,L1和L2正则化的初始问题。 这些实验都将与“基线模型”进行比较,以找到为基线模型提供最高准确度和最
  3. 所属分类:其它

    • 发布日期:2021-02-15
    • 文件大小:5242880
    • 提供者:weixin_42101720
  1. EMNIST:旨在探索CNN和RCNN在对EMNIST数据集进行分类方面的有效性的项目-源码

  2. 恩尼斯 由coopss开发 描述 该项目旨在探索卷积神经网络(CNN)的特性,并了解它们与递归卷积神经网络(RCNN)的比较。 这是受到我阅读的启发,该详细介绍了RCNN在对象识别中的效果,甚至表现出与CNN相对较少的参数。 除了探索CNN / RCNN有效性,我建立了一个简单的接口,以测试更具挑战的数据集(而不是在) 当前实施 多栈CNN Web小程序测试环境 兼容触摸屏 当字母占画布的大部分时,效果最佳 读入.mat文件 当前正在对培训(直接下载链接) 查看以获取更多信息 去做 用新的w
  3. 所属分类:其它

    • 发布日期:2021-02-05
    • 文件大小:570368
    • 提供者:weixin_42151373
  1. EMNIST--Classification:使用基本的机器学习和机器视觉进行字符识别。 使用的EMNIST数据集-源码

  2. EMNIST-分类 该项目旨在使用通用分类器对字符进行简单分类。 使用了机器学习和机器视觉的基础知识。 档案文件 src / ML-Models.ipynp:模型的训练和测试 src / char_recognition.ipynp:对提供的图像中的字符进行分类。 src / models:包含分类器 安装 不要使用python 3.9。 此时,Sklearn遇到了一些麻烦。 如果默认情况下未安装tkinter,则根据您的环境获取它。 建议使用Anaconda,因为默认情况下它具有tk。 您也
  3. 所属分类:其它

    • 发布日期:2021-04-01
    • 文件大小:70254592
    • 提供者:weixin_42116734