您好,欢迎光临本网站![请登录][注册会员]  

搜索资源列表

  1. MachineLearning-master-python.zip

  2. 属于网络下载资源,感谢原作者的贡献。 ##目录介绍 - **DeepLearning Tutorials** 这个文件夹下包含一些深度学习算法的实现代码,以及具体的应用实例,包含: Keras使用进阶。介绍了怎么保存训练好的CNN模型,怎么将CNN用作特征提取,怎么可视化卷积图。 [keras_usage]介绍了一个简单易用的深度学习框架keras,用经典的Mnist分类问题对该框架的使用进行说明,训练一个CNN,总共不超过30行代码。 将卷积神经网络CNN应用于人脸识别的一个demo,人脸数
  3. 所属分类:专业指导

    • 发布日期:2016-07-04
    • 文件大小:1048576
    • 提供者:qq_33042687
  1. Deep-Learning-with-Keras-Antonio Gulli

  2. 本书首先介绍监督学习算法,如简单线性回归,经典多层感知器和更复杂的深度卷积网络。您还将探索识别手写数字图像的图像处理,将图像分类到不同类别以及使用相关图像注释进行高级对象识别。还提供了识别面部检测的显着点的示例。接下来,您将介绍Recurrent Networks,它们针对处理序列数据(如文本,音频或时间序列)进行了优化。接下来,您将了解无监督学习算法,如Autoencoders和非常流行的Generative Adversarial Networks(GAN)。您还将探索非传统的神经网络作为
  3. 所属分类:深度学习

    • 发布日期:2017-12-28
    • 文件大小:20971520
    • 提供者:rgs2008
  1. 手写数字识别源码 识别率98%以上 无需单独下载数据集

  2. 该代码 基于深度学习框架Keras 可以一键跑(无需单独下载数据文件) 识别率达到了98%以上
  3. 所属分类:深度学习

    • 发布日期:2018-04-24
    • 文件大小:971
    • 提供者:tianjiao_x
  1. juanjiminist.py

  2. 关于手写数字识别在卷积神经网络的程序,采用keras深度学习,
  3. 所属分类:深度学习

    • 发布日期:2019-07-16
    • 文件大小:3072
    • 提供者:susu564
  1. mozilla.pdf

  2. 本资源是深度学习里面手写数字识别的代码,用的是jupyter notebook,用到的是keras,有问题的欢迎和我讨论,免费哈,下载是不需要积分的,纯学术交流。欢迎各位对人工智能的热爱。
  3. 所属分类:深度学习

    • 发布日期:2020-11-10
    • 文件大小:756736
    • 提供者:yyb88246601
  1. keras学习 手写数字识别

  2. 一、Sequential()创建模型及其中方法 Sequential()#类 keras.engine.sequential.Sequential()#所处包和模块中位置 from keras import models network = models.Sequential(layers,name)#从model模块调用,参数可选填或者不填 network.add(layer)#添加层的方法,若初始化时添加层,其内部也是调用此方法 network.layers()#返回自身 ''' 将优化器、
  3. 所属分类:其它

    • 发布日期:2021-01-06
    • 文件大小:53248
    • 提供者:weixin_38730201
  1. make-neural-net-homework:训练营的一项家庭作业。我使用Tensorflow和Keras构建了一个神经网络-源码

  2. 在本实验中,您将使用在Keras中构建的神经网络创建对竞赛的提交。 从Kaggle: 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。 在这场比赛中,您的目标是从数万个手写图像的数据集中正确识别数字。我们策划了一系列教程风格的内核,涵盖了从回归到神经网络的所有内容。我们鼓励您尝试不同的算法,以第一手学习什
  3. 所属分类:其它

    • 发布日期:2021-03-19
    • 文件大小:14680064
    • 提供者:weixin_42132359
  1. Digit-Recognition-Using-MNIST-Dataset:该模型使用CNN进行训练,并以99.5%的精度识别手写数字-源码

  2. 使用MNIST的数字识别数据集 该模型使用CNN进行训练,并以99.5%的精度识别手写数字 手写数字数据集的历史 修改后的美国国家标准技术研究院数据库(MNIST数据集)是一个大型的手写数字数据集,广泛用于图像处理和机器学习中。 MNIST数据库中的图像集是NIST的两个数据库的组合:特殊数据库1和特殊数据库3。特殊数据库1和特殊数据库3分别由高中生和美国人口普查局员工编写的数字组成。 。 建筑模型 使用Keras建模 在Keras中定义模型有两种不同的方法: 顺序模型 函数API函数API用
  3. 所属分类:其它

    • 发布日期:2021-03-06
    • 文件大小:1048576
    • 提供者:weixin_42143092
  1. mnist-flask:一种Flask网络应用,用于使用机器学习进行手写数字识别-源码

  2. MNIST Flask应用程序 Web应用程序,用于使用卷积神经网络进行手写数字识别。 使用Keras 在的MNIST数据集上训练了该模型。
  3. 所属分类:其它

    • 发布日期:2021-02-05
    • 文件大小:8388608
    • 提供者:weixin_42112894
  1. tensoflow2.0学习笔记——手写识别(MNIST数据)的两种方法,附代码。

  2. 学习环境 电脑Windows10,环境anaconda3,开发语言Python3.7 目标 用tensorflow训练MNIST手写数据,并进行测试 实现方法(两种方法) 一、用tensorflow构建一个基本的神经网络,用于预测手写数字。          本例为3层神经网,包括一个输入层,两个隐层,一个输出层。          输入数据大小:28*28dpi的手写图片,即(28*28)的二维数组,展平后为长度784的数组。          直接上代码,代码后面有解析: import t
  3. 所属分类:其它

    • 发布日期:2021-01-20
    • 文件大小:83968
    • 提供者:weixin_38675797