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. KNN算法实现手写数字识别的三种方法（源码）

  2. KNN算法使用MNIST数据集、0-1二值图集、自写的数字图片集，做手写数字识别的代码，文件夹分类明确。

  3. 所属分类：机器学习

    • 发布日期：2018-04-27
    • 文件大小：98mb
    • 提供者：zzz_cming

  1. tensorflow手写数字识别python源码案例

  2. tensorflow手写数字识别python源码官网案例，带详细注释，适合刚初学tensorflow的mnist数据集训练识别， 相关链接： 手写数字识别 ----在已经训练好的数据上根据28*28的图片获取识别概率（基于Tensorflow,Python） https://www.cnblogs.com/motao9527/p/10190987.html

  3. 所属分类：Python

    • 发布日期：2018-12-28
    • 文件大小：10kb
    • 提供者：qq_35554617

  1. 模式识别_基于CNN的MNIST手写数字识别.zip

  2. 基于CNN的MNIST手写数字识别，最简单的卷积神经网络，附带源码和说明文档，代码有UI页面，可以实现对MNIST数字识别，也可以实现对手写录入数字识别

  3. 所属分类：互联网

    • 发布日期：2020-05-20
    • 文件大小：26mb
    • 提供者：qq_38178418

  1. normalperson:一个神经网络，用于识别使用basicNN库制作的手写数字-源码

  2. 普通人 描述 一个神经网络，用于识别使用basicNN编写的手写数字。 使用MNIST数据集进行训练。 由2个分别具有300 HU和100 HU的隐藏层组成。 MNIST训练和测试集以csv文件的形式出现。 为了使训练和测试文件更快，更有效，需要事先对数据进行腌制，而功能人员希望它采用这种格式。 将数据腌制为60个样本的批次。 测验 测试功能有点非常规。 它向用户提示要选择的测试批次，然后提示要测试的批次中的特定样品。 完成后，模型将预测该数字并在控制台中显示它的预测，然后实际图像将显示给用户

  3. 所属分类：其它

    • 发布日期：2021-03-15
    • 文件大小：29mb
    • 提供者：weixin_42131728

  1. Handwritten_Digit_Recognition_MNIST_using_CNN_in_Keras:在Keras中使用CNN的手写数字识别MNIST-源码

  2. 手写的_数字_识别_MNIST_using_CNN_in_Keras 在Keras中使用CNN的手写数字识别MNIST

  3. 所属分类：其它

    • 发布日期：2021-03-13
    • 文件大小：49kb
    • 提供者：weixin_42131601

  1. MNIST-DigitRecognizer:手写数字分类的神经网络-源码

  2. MNIST数字识别器 识别手写数字的基本前馈神经网络使用C99编写，没有外部库

  3. 所属分类：其它

  1. Browser-MNIST：基于浏览器的手写数字识别应用程序，在MNIST数据集上进行训练，并转换来自画布HTML元素的数据-源码

  2. Browser-MNIST：基于浏览器的手写数字识别应用程序，在MNIST数据集上进行训练，并转换来自画布HTML元素的数据

  3. 所属分类：其它

    • 发布日期：2021-03-04
    • 文件大小：228kb
    • 提供者：weixin_42101237

  1. mnist-digit-classification：使用单层感知器和前馈网络的手写数字识别-源码

  2. MNIST数据集 分为训练集，验证集和测试集。 这三个集合中的每一个都包含两个长度相等的向量： 一组数字，写为长度为784的向量。数据集中的数字形状为28x28像素，并表示为向量。 矩阵中的每个像素的值都在0到1之间，其中0表示白色，1表示黑色，而0到1之间的值是灰色阴影。 第一个向量中每个元素的标签：0到9之间的数字，表示图像中的数字。 单层感知器 分类算法基于10个感知器。 这10个感知器中的每一个都经过训练以对仅代表一位数字的图像进行分类。 例如，第一个感知器将被训练为输出数字0的值1

  3. 所属分类：其它

  1. neuro_net：用于从mnist数据库中识别手写数字的工作进度神经网络-源码

  2. neuro_net：用于从mnist数据库中识别手写数字的工作进度神经网络

  3. 所属分类：其它

  1. 手写数字分类器：在这个项目中，我使用MNIST数据集尝试了一些计算机视觉基础知识。 在该项目中，我训练了机器学习分类算法，以将用户绘制的数字识别为介于0到9之间的数字-源码

  2. 手写数字分类器 在这个项目中，我使用MNIST数据集尝试了一些计算机视觉基础知识。 在这个项目中，我训练了机器学习分类算法，以将用户绘制的数字识别为介于0到9之间的数字。

  3. 所属分类：其它

    • 发布日期：2021-02-22
    • 文件大小：23kb
    • 提供者：weixin_42129300

  1. 手写数字生成：PyTorch实现-使用MNIST数据集的GAN模型识别手写数字-源码

  2. 手写数字生成 PyTorch实现-使用MNIST数据集的GAN模型生成/识别手写数字 项目目标 目标是使用在MNIST数据集上训练的生成对抗网络（GAN）生成新的手写数字。 GAN（生成对抗网络） GAN最早是在2014年由Ian Goodfellow和Yoshua Bengio实验室的其他人报道的。 从那时起，GAN爆炸式增长。 GAN的思想是使用两个网络相互竞争，即生成器G和鉴别器D。 生成器使“伪”数据传递到鉴别器。 鉴别器还可以看到真实的训练数据，并预测接收到的数据是真实的还是伪造的。

  3. 所属分类：其它

  1. 手写数字识别：使用卷积神经网络的手写数字识别-源码

  2. 手写数字识别 使用卷积神经网络的手写数字识别 使用Keras和MNIST数据集完成 建筑学： Layer (type) Output Shape Param # ================================================================= conv2d_239 (Conv2D) (None, 26, 26, 32) 320 ___

  3. 所属分类：其它

  1. MNIST手写数字识别-源码

  2. MNIST手写数字识别 我将在PyTorch中构建一个简单的神经网络，并训练它使用MNIST数据集来识别手写数字。 在MNIST数据集上训练分类器可以被视为图像识别的世界。 创建神经网络的步骤如下： 搭建环境 准备数据集 建立网络 训练模型 评估模型的性能 附言：MNIST包含70,000张手写数字图像：60,000张用于培训，10,000张用于测试。 图像为灰度级，28x28像素，并居中以减少预处理并更快地开始。

  3. 所属分类：其它

  1. 手写数字识别-源码

  2. 手写数字识别 手写数字识别是计算机识别人类手写数字的能力。 对于机器而言，这是一项艰巨的任务，因为手写数字不是十全十美的，可以用多种口味制作。 手写数字识别是使用数字图像并识别图像中存在的数字的解决方案。 该模型是使用MNIST数据集的手写数字识别模型的实现。 该模型使用卷积神经网络来识别数字。 在这种情况下，甚至还内置了GUI，您可以在其中绘制数字并识别它。 识别后，它会在右侧显示识别出的数字和该数字的准确性。 您甚至可以使用image_recognizer.py文件加载任何图像并识别

  3. 所属分类：其它

  1. Digit_Recognition_Web_App：使用CNN模型在Keras的MNIST数据集上训练的手写数字识别应用程序。 使用的技能是Tensorflow，HTML，CSS，javascript-源码

  2. Digit_Recognition_Web_App 链接： : 应用程序的结构 keras-> Tensorflow.js->（html + css + javascr ipt）-> github页面 你好，物体识别世界！ 目标： 通过在keras中可用的MNIST数据集上训练模型，使卷积神经网络能够识别手写数字。 MNIST数据集： 训练数据集包含60000张图像，测试数据包含10000张图像。每个图像为28x28像素和灰度。 CNN模型概述： is这是一个具

  3. 所属分类：其它

  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

  1. digit-recognizer-flask-cnn：一个简单的Flask应用程序，可以识别手写数字。 使用TensorFlow和Keras开发-源码

  2. 数位识别器烧瓶 一个可以识别手写数字的简单Web应用程序。 使用和超级简单的库开发。 使用 Micro Framework包装到Webapp中。 卷积神经网络（CNN）是一种受动物视觉皮层组织启发的神经网络。 它用于大多数图像识别任务。 使用MNIST手写数字数据集训练了该模型。 要在本地运行，请首先克隆目录。 git clone https://github.com/moinudeen/digit-recognizer-flask-cnn.git 接下来cd进入目录。 cd dig

  3. 所属分类：其它

  1. 手写数字识别-tensorflowjs：使用Tensorflow.js和使用Mnist数据集的React在浏览器中进行数字识别-源码

  2. 手写数字识别 使用Tensorflow.js，Mnist数据集，React，Redux，Redux-Saga，Babel，Webpack，样式化组件，Eslint，Prettier和Ant Design构建的数字识别。 可以在以下位置获得演示： : 。 影片 手机（iOS和Android）版本： 桌面版： 设定环境 该项目基于Javascr ipt环境，您需要使用Yarn或NPM安装依赖项： $ yarn install 在本地启动 $ yarn start $ Open https:

  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

  1. 基于tensorflow实现Android手写数字识别

  2. 前段时间训练了mnist手写数字识别的模型，学习后将其移植到Android端 我是参考的大佬https://puke3615.github.io/2017/08/02/Run-Mnist-On-Android/，https://github.com/wangtianrui/TFonAndroid的源码，有需要的的朋友可以去下载，这里是对他写的代码的分析和我自己的理解 注解ButterKnife学习：https://www.jianshu.com/p/952c6f5e8157 implementa

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：156kb
    • 提供者：weixin_38601878
« 12 »