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算法对MNIST数据集分类

  2. 代码使用matlab编写，压缩包中包含MNIST数据集及其读取函数、KNN算法实现和ReadMe.txt。 KNN算法中使用了PCA降维处理数据减少运行时间，正确率可达95%，有部分注释。请结合ReadMe文件使用。

  3. 所属分类：机器学习

    • 发布日期：2017-12-24
    • 文件大小：10mb
    • 提供者：apropos

  1. SVM算法对MNIST数据集分类

  2. 代码使用matlab编写，压缩包中包含MNIST数据集及其读取函数、SVM算法实现和ReadMe.txt。 SVM算法中使用了PCA降维处理数据减少运行时间，但是由于使用的SMO算法较为原始，运行速度仍然较慢。由于实现未经过任何优化，仅适合初学者使用，使用高斯核正确率在75%以上，有部分注释。请结合ReadMe文件使用。

  3. 所属分类：机器学习

    • 发布日期：2017-12-24
    • 文件大小：10mb
    • 提供者：apropos

  1. mnist数据集和读取代码

  2. The MNIST database of handwritten digits, available from this page, has a training set of 60,000 examples, and a test set of 10,000 examples. It is a subset of a larger set available from NIST. The digits have been size-normalized and centered in a f

  3. 所属分类：深度学习

    • 发布日期：2020-09-13
    • 文件大小：10mb
    • 提供者：weixin_42382908

  1. TensorflowFramework：使用TensorFlow训练神经网络模型的可扩展框架-源码

  2. Tensorflow培训框架 该存储库包括一个可扩展框架，用于使用TensorFlow训练神经网络模型。 该框架处理诸如并行数据读取，批处理，改组，保存/加载检查点和日志记录之类的事情。 它还支持在多个GPU上进行训练。 您可以按照数据集/mnist.py中的示例简单地添加自己的数据集，并在model / alexnet.py中编写与捆绑的CNN分类器类似的自己的分类器。 该框架为您完成了大多数样板代码，让您专注于开发实际的神经网络模型。 另外，请确保签出 ，在某种程度上说明了此框架中的代码。

  3. 所属分类：其它

    • 发布日期：2021-02-05
    • 文件大小：35kb
    • 提供者：weixin_42176827

  1. softmax pytorch从零实现的代码

  2. 获取Fashion-MNIST训练集和读取数据 在介绍softmax回归的实现前我们先引入一个多类图像分类数据集。它将在后面的章节中被多次使用，以方便我们观察比较算法之间在模型精度和计算效率上的区别。图像分类数据集中最常用的是手写数字识别数据集MNIST[1]。但大部分模型在MNIST上的分类精度都超过了95%。为了更直观地观察算法之间的差异，我们将使用一个图像内容更加复杂的数据集Fashion-MNIST[2]。 我这里我们会使用torchvision包，它是服务于PyTorch深度学习框架的

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：74kb
    • 提供者：weixin_38635092

  1. 基于GPU的受限玻尔兹曼机并行加速

  2. 为针对受限玻尔兹曼机处理大数据时存在的训练缓慢、难以得到模型最优的问题，提出了基于GPU的RBM模型训练并行加速方法。首先重新规划了对比散度算法在GPU的实现步骤；其次结合以往GPU并行方案，提出采用CUBLAS执行训练的矩阵乘加运算，设计周期更长、代码更为简洁的Tausworthe113和CLCG4的组合随机数生成器，利用CUDA拾取纹理内存的读取模式实现了Sigmoid函数值计算；最后对训练时间和效果进行检验。通过MNIST手写数字识别集实验证明，相较于以往RBM并行代码，新设计的GPU并行

  3. 所属分类：其它

    • 发布日期：2021-01-13
    • 文件大小：959kb
    • 提供者：weixin_38687277