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. 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：1mb
    • 提供者：qq_33042687

  1. MNIST手写识别numpy实现

  2. 用numpy实现的深度学习，只有一层，训练前正确率为 0.098400，训练后正确率为 0.904600

  3. 所属分类：深度学习

    • 发布日期：2020-01-20
    • 文件大小：13mb
    • 提供者：howard789

  1. 只用numpy，从头实现3层神经网络，识别手写数字

  2. 只用numpy，从头实现3层神经网络，RELU激活函数，softmax Loss函数 在mnist上训练，识别手写数字，92%以上正确率（本人懒得跑太久，没有完全收敛）

  3. 所属分类：深度学习

    • 发布日期：2019-10-20
    • 文件大小：3kb
    • 提供者：a63140180

  1. 基于Tensorflow的MNIST手写数字识别分类

  2. 本文实例为大家分享了基于Tensorflow的MNIST手写数字识别分类的具体实现代码，供大家参考，具体内容如下 代码如下： import tensorflow as tf import numpy as np from tensorflow.examples.tutorials.mnist import input_data from tensorflow.contrib.tensorboard.plugins import projector import time IMAGE_PIXEL

  3. 所属分类：其它

    • 发布日期：2020-12-17
    • 文件大小：107kb
    • 提供者：weixin_38672962

  1. python不使用框架编写神经网络实现手写数字识别

  2. 实验目的及要求 目的:不使用框架, 用python实现神经网络, 学习算法最好的方法就是实现它, 掌握反向传播算法的推导及代码实现，掌握Xavier初始化、Adam算法、数据归一化、batch-normalization、dropout等技术。 要求:实现给定结构和指定初始化和学习算法的网络，不能使用现成的机器学习库，可以使用numpy库，对比1. 有无归一化。2. 有无batch-normalization。3. 有无dropout。的损失曲线和混淆矩阵。 实验环境及采用技术 实验环境：win

  3. 所属分类：其它

    • 发布日期：2021-01-07
    • 文件大小：426kb
    • 提供者：weixin_38736529

  1. Machine-Learning-Projects:我为学习ML-DL概念所做的简单的基于应用程序的项目列表-源码

  2. 机器学习和深度学习简单（基于应用程序）项目 该存储库包含完成的简单实践项目，以学习ML和DL概念。 每个单独的文件夹都包含一个单独的项目，并且文件夹本身中包含该项目的自述文件。 我还附有我的课程证书。 项目清单是： 使用支持向量机的面部识别：使用numpy实现SVM，然后将其用于执行小型数据集的基本面部识别任务。 使用Yellowbrick分析混凝土的抗压强度：使用简单的回归分析，使用kaggle上的可用数据集来预测混凝土的抗压强度。 从零开始开发人工神经网络以执行股价预测：使用使用skl

  3. 所属分类：其它

    • 发布日期：2021-04-01
    • 文件大小：10mb
    • 提供者：weixin_42101056