您好,欢迎光临本网站![请登录][注册会员]  

搜索资源列表

  1. DeepLearning/Logistic Regression/mnist 的C++实现

  2. Deep learning 学习中,Logistic regression算法的mnist数字识别/分类的C++实现,原例子在http://deeplearning.net/tutorial/gettingstarted.html,采用python写的,原例子的主要数学工具是Theano。
  3. 所属分类:专业指导

    • 发布日期:2013-10-01
    • 文件大小:16384
    • 提供者:puretech_
  1. KNN识别mnist

  2. python版KNN识别mnist手写数据集,大牛原版
  3. 所属分类:Python

    • 发布日期:2015-10-24
    • 文件大小:4096
    • 提供者:gavin__zhou
  1. KNN-mnist识别

  2. python版KNN识别mnist手写数据集
  3. 所属分类:Python

    • 发布日期:2015-10-24
    • 文件大小:6144
    • 提供者:gavin__zhou
  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. Tesnorflow下载MNIST手写数字识别数据集的python代码。

  2. Tesnorflow下载MNIST手写数字识别数据集的python代码。
  3. 所属分类:Python

    • 发布日期:2017-01-16
    • 文件大小:7168
    • 提供者:yhhyhhyhhyhh
  1. Tesnorflow0.12.0版本,下载MNIST手写数字识别数据集的python代码

  2. Tesnorflow0.12.0版本,下载MNIST手写数字识别数据集的python代码
  3. 所属分类:Python

    • 发布日期:2017-01-19
    • 文件大小:7168
    • 提供者:yhhyhhyhhyhh
  1. 基于selective_search对手写数字串进行分割,并基于tensorflow在mnist训练好的模型进行识别

  2. 基于selective_search源码对手写数字串进行过滤分割,并基于tensorflow在mnist训练好的模型进行识别。 环境:Windows10 + tensorflow1.2 + python3.5 + cv2 程序: example/demo.py---对手写数字图片的分割,并将每个数字做成28*28的黑底白字图片,保存在本地image_data.npy example/mnist_model.py---对手写体mnist数据集进行训练,训练好后读取数据进行识别 example/c
  3. 所属分类:深度学习

    • 发布日期:2017-08-03
    • 文件大小:50176
    • 提供者:flyyoung0709
  1. Tensorflow卷积神经网络MNIST示例

  2. 简单的Python程序示例,运用TensorFlow框架实行识别MNIST上的卷积神经网络
  3. 所属分类:深度学习

    • 发布日期:2017-10-22
    • 文件大小:2048
    • 提供者:sortingworld
  1. mnist识别python代码(基于tensorflow)

  2. 带数据增强,模型保存恢复功能的mnist识别。90行代码cnn实现,简单易上手,正确率超99%
  3. 所属分类:深度学习

    • 发布日期:2017-12-30
    • 文件大小:5120
    • 提供者:thescam
  1. Python2.7_TensorFlow1.3.0_MNIST数字数据集识别与TensorFlow模型持久化的小DEMO

  2. Python2.7_TensorFlow1.3.0_MNIST数字数据集识别与TensorFlow模型持久化的小DEMO,具体的对MNIST、模型持久化等的分析见博客https://blog.csdn.net/primetong/article/details/79940684
  3. 所属分类:深度学习

    • 发布日期:2018-04-14
    • 文件大小:73400320
    • 提供者:primetong
  1. mnist 数据集转为 png 的 python代码,包含 mnist 数据集本身

  2. 将mnist 转为 png 的 python 代码,博客里有更详细的讲解
  3. 所属分类:机器学习

    • 发布日期:2018-05-18
    • 文件大小:11534336
    • 提供者:brooknew
  1. softmax识别mnist数字

  2. 初学机器学习,使用python写的softmax示例,实现mnist数字识别。未使用第三方库。
  3. 所属分类:机器学习

    • 发布日期:2018-07-04
    • 文件大小:5120
    • 提供者:jackiezhao2008
  1. 朴素贝叶斯实现mnist数字识别

  2. 初学机器学习,使用python实现的朴素贝叶斯算法实现数字识别,使用mnist数据集训练和测试
  3. 所属分类:机器学习

    • 发布日期:2018-07-04
    • 文件大小:2048
    • 提供者:jackiezhao2008
  1. TensorFlow代码识别mnist数字集

  2. 使用TensorFlow库完成mnist数字识别,并保存模型,并用该模型识别图片,由TensorFlow谷歌实战源代码改写
  3. 所属分类:深度学习

    • 发布日期:2018-08-31
    • 文件大小:12288
    • 提供者:qq_34548619
  1. 基于kNN方法的MNIST手写数字识别(Tensorflow)

  2. 需要下载MNIST数据集,将路径修改为本地MNIST数据集的地址。需要OpenCV与Tensorflow环境
  3. 所属分类:机器学习

    • 发布日期:2018-10-21
    • 文件大小:5120
    • 提供者:weixin_42172651
  1. 卷积神经网络识别MNIST

  2. python+tensorflow实现CNN识别MNIST手写数字数据集,需要自己下载MINIST数据集
  3. 所属分类:深度学习

    • 发布日期:2018-11-16
    • 文件大小:5120
    • 提供者:qq_32401969
  1. 纯python实现mnist手写体识别.zip

  2. 本资源为纯python实现mnist手写体识别的代码,为作者本人所写,供深度学习初学者共同交流探讨,欢迎二次创作,网络为三层,可达到97%上准确率,模型可以选择多种训练方式,学习率,激活函数,损失函数等我都写了相关函数,可以选择,模型也可以自由变换,只需要改一下前面常量参数值就行。升级版本正在打包测试过程中,完成后可以自行选择batch—size大小等,具体介绍可以看我置顶博文介绍
  3. 所属分类:深度学习

    • 发布日期:2020-04-02
    • 文件大小:4096
    • 提供者:qq_42109740
  1. 利用python转换MNIST.zip

  2. 本代码使用python的open()和struct.unpack_from()函数操作,将MNIST手写数据集转化为bmp文件和txt文件,读者可根据需要,将其转化为函数以方便读写。详情可参考博文:手写数字识别问题(1)——关于MNIST数据集(https://blog.csdn.net/didi_ya/article/details/105075859)
  3. 所属分类:机器学习

    • 发布日期:2020-03-25
    • 文件大小:3072
    • 提供者:didi_ya
  1. python不使用框架编写神经网络实现手写数字识别

  2. 不使用框架, 用python实现神经网络,识别mnist中的手写数字,使用Xavier初始化、Adam算法、数据归一化、batch-normalization、dropout等技术
  3. 所属分类:机器学习

    • 发布日期:2020-02-19
    • 文件大小:15728640
    • 提供者:juyuyh
  1. 详解python实现识别手写MNIST数字集的程序

  2. 我们需要做的第⼀件事情是获取 MNIST 数据。如果你是⼀个 git ⽤⼾,那么你能够通过克隆这本书的代码仓库获得数据,实现我们的⽹络来分类数字 git clone https://github.com/mnielsen/neural-networks-and-deep-learning.git class Network(object): def __init__(self, sizes): self.num_layers = len(sizes) self.sizes = sizes
  3. 所属分类:其它

    • 发布日期:2020-12-23
    • 文件大小:81920
    • 提供者:weixin_38751031
« 12 3 4 5 6 »