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利用卷积神经网络识别手写数据集MNIST

  2. TensorFlow利用卷积神经网络识别手写数据集MNIST，使用2个卷积层，1个全连接隐藏层，1个输出层

  3. 所属分类：深度学习

    • 发布日期：2017-11-18
    • 文件大小：2kb
    • 提供者：winycg

  1. 基于tensorflow的手写体识别python源码（附数据集）

  2. python语言编写，利用TensorFlow建立两层卷积神经网络，数据集为手写体识别数据集MNIST，识别准确率99%

  3. 所属分类：深度学习

    • 发布日期：2019-02-26
    • 文件大小：11mb
    • 提供者：fuzzy__h

  1. 基于cnn卷积神经网络的手写数字识别.zip

  2. MNIST手写数据集的训练和测试代码，代码准确率高于98%，代码完善，下载即可使用，利用TensorFlow编译环境，适合新手自学。MNIST数据集是个通用数据集，很多新手都会用到。

  3. 所属分类：Java

    • 发布日期：2019-09-19
    • 文件大小：34mb
    • 提供者：qq_43094976

  1. 利用 TensorFlow 识别 MNIST数据集

  2. 出自《21个项目玩转深度学习：基于TensorFlow的实践详解》中的项目利用 TensorFlow 识别 MNIST数据集，已调通，放到pycharm中即可调通。

  3. 所属分类：深度学习

    • 发布日期：2019-03-04
    • 文件大小：11mb
    • 提供者：u014509577

  1. 解决keras,val_categorical_accuracy:,0.0000e+00问题

  2. 问题描述： 在利用神经网络进行分类和识别的时候，使用了keras这个封装层次比较高的框架，backend使用的是tensorflow-cpu。 在交叉验证的时候，出现 val_categorical_accuracy: 0.0000e+00的问题。 问题分析： 首先，弄清楚，训练集、验证集、测试集的区别，验证集是从训练集中提前拿出一部分的数据集。在keras中，一般都是使用这种方式来指定验证集占训练集和的总大小。 validation_split=0.2 比如，经典的数据集MNIST，共有

  3. 所属分类：其它

    • 发布日期：2020-12-17
    • 文件大小：48kb
    • 提供者：weixin_38741950

  1. VisualTF:可视化tensorflow学习记录，通过可视化方式观察梯度下降以及权重，偏差等变化情况。数据挖掘入门，推荐系统入门numpy，matploytlib-源码

  2. 可视化TF numpy，matploytlib h（x）= w * x + b作为连续值w，b就是需要不断进行修正。一般都是通过梯度下降的方法将w，b进行修正。的速度一般的梯度下降方式有： 新元 最简单的方式，就是测试数据分批进行神经网络计算。 势头 传统的W参数更新为：W + =-学习率* dx动量则是加上一个惯性，即m = b1 * m学习率* dx W + = m 阿达格拉德 对学习率进行更新：v + = dx ^ 2 W + =-学习率* dx /√vv算是一种惩罚措施，逼迫朝着正

  3. 所属分类：其它

    • 发布日期：2021-03-11
    • 文件大小：720kb
    • 提供者：weixin_42108054

  1. Python利用逻辑回归模型解决MNIST手写数字识别问题详解

  2. 本文实例讲述了Python利用逻辑回归模型解决MNIST手写数字识别问题。分享给大家供大家参考，具体如下： 1、MNIST手写识别问题 MNIST手写数字识别问题：输入黑白的手写阿拉伯数字，通过机器学习判断输入的是几。可以通过TensorFLow下载MNIST手写数据集，通过import引入MNIST数据集并进行读取，会自动从网上下载所需文件。 %matplotlib inline import tensorflow as tf import tensorflow.examples.tutor

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：327kb
    • 提供者：weixin_38678172

  1. 利用Tensorboard绘制网络识别准确率和loss曲线实例

  2. 废话不多说，直接上代码看吧！ import tensorflow as tf from tensorflow.examples.tutorials.mnist import input_data #载入数据集 mnist = input_data.read_data_sets(MNIST_data,one_hot=True) #每个批次的大小和总共有多少个批次 batch_size = 100 n_batch = mnist.train.num_examples // batch_size

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：56kb
    • 提供者：weixin_38673921