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. A simple convolution neural network (FCN)

  2. 这是一个基于tensorflow的简单的卷及神经网络，使用MNIST数据集进行手写数字识别。网络为FCN，即全卷积神经网络，总共有四层。前两层same padding，最大池化，后两层进行1x1的卷积。使用softmax输出结果，误差为交叉熵。最终在测试集上准确率在99%左右

  3. 所属分类：深度学习

    • 发布日期：2018-11-16
    • 文件大小：2kb
    • 提供者：qq_39792012

  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. Keras搭建CNN识别MNIST

  2. 基于tensorflow框架的keras高级API搭建简单的CNN网络识别MNIST数据集，作为TensorFlow入门操作程序

  3. 所属分类：深度学习

    • 发布日期：2020-03-25
    • 文件大小：10kb
    • 提供者：blueskyxyt

  1. 基于tensorflow的CNN的MNIST数据集

  2. 基于tensorflow的CNN的MNIST数据集，里面包含测试集和训练集，方便对应文章上的数据进行对比

  3. 所属分类：Microsoft

  1. tensorflow基于CNN实战mnist手写识别(小白必看)

  2. 很荣幸您能看到这篇文章，相信通过标题打开这篇文章的都是对tensorflow感兴趣的，特别是对卷积神经网络在mnist手写识别这个实例感兴趣。不管你是什么基础，我相信，你在看完这篇文章后，都能够完全理解这个实例。这对于神经网络入门的小白来说，简直是再好不过了。 通过这篇文章，你能够学习到 tensorflow一些方法的用法 mnist数据集的使用方法以及下载 CNN卷积神经网络具体python代码实现 CNN卷积神经网络原理 模型训练、模型的保存和载入 Tensorfl

  3. 所属分类：其它

    • 发布日期：2020-12-17
    • 文件大小：144kb
    • 提供者：weixin_38633157

  1. 基于TensorFlow的CNN实现Mnist手写数字识别

  2. 本文实例为大家分享了基于TensorFlow的CNN实现Mnist手写数字识别的具体代码，供大家参考，具体内容如下 一、CNN模型结构 输入层：Mnist数据集（28*28） 第一层卷积：感受视野5*5，步长为1，卷积核：32个 第一层池化：池化视野2*2，步长为2 第二层卷积：感受视野5*5，步长为1，卷积核：64个 第二层池化：池化视野2*2，步长为2 全连接层：设置1024个神经元 输出层：0~9十个数字类别 二、代码实现 import tensorflow

  3. 所属分类：其它

    • 发布日期：2020-12-17
    • 文件大小：275kb
    • 提供者：weixin_38706197

  1. python tensorflow基于cnn实现手写数字识别

  2. 一份基于cnn的手写数字自识别的代码，供大家参考，具体内容如下 # -*- coding: utf-8 -*- import tensorflow as tf from tensorflow.examples.tutorials.mnist import input_data # 加载数据集 mnist = input_data.read_data_sets('MNIST_data', one_hot=True) # 以交互式方式启动session # 如果不使用交互式session，则在启动

  3. 所属分类：其它

    • 发布日期：2020-12-25
    • 文件大小：64kb
    • 提供者：weixin_38650516

  1. 基于keras的卷积神经网络（CNN）

  2. 1 前言 本文以MNIST手写数字分类为例，讲解使用一维卷积和二维卷积实现 CNN 模型。关于 MNIST 数据集的说明，见使用TensorFlow实现MNIST数据集分类。实验中主要用到 Conv1D 层、Conv2D 层、MaxPooling1D 层和 MaxPooling2D 层，其参数说明如下： （1）Conv1D Conv1D(filters, kernel_size, strides=1, padding='valid', dilation_rate=1, activation=N

  3. 所属分类：其它

    • 发布日期：2020-12-22
    • 文件大小：57kb
    • 提供者：weixin_38744375

  1. 基于tensorflow+CNN的MNIST数据集手写数字分类-附件资源

  2. 基于tensorflow+CNN的MNIST数据集手写数字分类-附件资源

  3. 所属分类：互联网

    • 发布日期：2021-03-05
    • 文件大小：106byte
    • 提供者：weixin_42205405

  1. 基于tensorflow+CNN的MNIST数据集手写数字分类-附件资源

  2. 基于tensorflow+CNN的MNIST数据集手写数字分类-附件资源

  3. 所属分类：互联网

    • 发布日期：2021-03-05
    • 文件大小：106byte
    • 提供者：weixin_42200829

  1. 基于tensorflow+CNN的MNIST数据集手写数字分类-附件资源

  2. 基于tensorflow+CNN的MNIST数据集手写数字分类-附件资源

  3. 所属分类：互联网

    • 发布日期：2021-03-02
    • 文件大小：23byte
    • 提供者：weixin_42196279

  1. 基于tensorflow+CNN的MNIST数据集手写数字分类-附件资源

  2. 基于tensorflow+CNN的MNIST数据集手写数字分类-附件资源

  3. 所属分类：互联网

    • 发布日期：2021-03-02
    • 文件大小：23byte
    • 提供者：weixin_42187944

  1. 基于特征的徽标检测-源码

  2. convnet2 基于tensorflow 2.3的cnn 使用检查点 您可以使用检查点以预先训练的权重初始化模型。 为此，您将需要在相应的配置文件中使用参数CKPFILE设置检查点文件。 检查点 以下检查点由ResNet-34产生 影像网 md5sum：a456fe88f2bad870b2218661848169d0 草图 md5sum：a53f18d41b2b3b4c4dc8ce5026c6317c 数据集 MNIST-5000 MNIST全 Sketches-Eitz [下载] 有

  3. 所属分类：其它

    • 发布日期：2021-02-11
    • 文件大小：95kb
    • 提供者：weixin_42132354

  1. advanced-tensorflow：更多高级TensorFlow实现-源码

  2. 先进的TensorFlow （更多+重构）高级TensorFlow实现的集合。 尽我所能用一个Jupyter Notebook实现算法。 去噪自动编码器 卷积自动编码器（使用反卷积） 可变自动编码器 二维玩具示例上的AVB 基本分类（MLP和CNN） 自定义数据集生成 使用自定义数据集进行分类（MLP和CNN） MLP和CNN的OOP样式实现 使用TF-SLIM进行预训练的网络使用 具有预训练网络的班级激活图 预处理Linux内核源 使用Char-RNN进行训练和采样 具有梯度反转层的

  3. 所属分类：其它

    • 发布日期：2021-02-06
    • 文件大小：21mb
    • 提供者：weixin_42140716

  1. tensorpack：TensorFlow上的神经网络培训界面，专注于速度+灵活性-源码

  2. Tensorpack是基于TensorFlow的神经网络训练接口。 特征： 它是又一个TF高级API，具有速度和灵活性。 注重训练速度。 Tensorpack免费提供了速度-它以高效的方式使用TensorFlow而没有额外的开销。 在常见的CNN上，它的训练比等效的Keras代码1.2〜5。 如果使用Tensorpack编写，您的培训可能会更快。 数据并行的多GPU /分布式训练策略是现成的。 它具有可扩展性以及Google的。 有关一些基准脚本，请参见。 专注于大型数据集。 。

  3. 所属分类：其它

  1. 数字识别：使用Keras和Flask进行手绘数字识别-源码

  2. 用Keras进行数字识别 项目概况 基于MNIST数据集的手写数字识别。 卷积神经网络是使用Keras＆Tensorflow（GPU）构建的。 Heroku托管的Web应用程序是使用Flask框架Ajax和FileSaver构建的。 工具，模块和技术 Python –网站开发： 烧瓶| condaHeroku | 码头工人 Python – CNN： 喀拉拉邦| 张量流scipy | numpy | h5py Javascr ipt jQuery | 阿贾克斯 Web开发： HTML |

  3. 所属分类：其它