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

python不使用框架实现卷积神经网络识别手写数字, 在100个的测试集上准确率最高可达95%。内含数据集

手写数字识别算法的设计与实现 本文使用python基于TensorFlow设计手写数字识别算法，并编程实现GUI界面，构建手写数字识别系统。这是本人的本科毕业论文课题，当然，这个也是机器学习的基本问题。本博文不会以论文的形式展现，而是以编程实战完成机器学习项目的角度去描述。 项目要求：本文主要解决的问题是手写数字识别，最终要完成一个识别系统。 设计识别率高的算法，实现快速识别的系统。 1 LeNet-5模型的介绍 本文实现手写数字识别，使用的是卷积神经网络，建模思想来自LeNet-5，如下图所示

网络结构 项目下载地址 不使用框架实现全连接神经网络实现手写数字识别(layer封装好, 可以很好的扩展,修改) 第一个卷积层输入：2828、一通道、滤波器55个数为 6个、步长为1、不补零。 第一个卷积层输出：24*24、深度为6。 第一个池化层输入：2424、6通道、滤波器22，步长为2。 第一个池化层输出：12*12，深度为6。 第二个卷积层输入：1212，6通道，滤波器55个数为12个，步长为1，不补零。 第二个卷积层输出：8*8、深度为12.。 第二个池化层输入：88，12通道，滤波器