码迷,mamicode.com
首页 >  
搜索关键字:mnist    ( 558个结果
tf2
np.linspace np.random.randn tf.keras.datasets.mnist tf.keras.datasets.fashion_mnist ...
分类:其他好文   时间:2019-11-26 19:38:29    阅读次数:108
mnist识别手写数字以及tensorboard可视化
reference 基本模型:https://blog.csdn.net/program_developer/article/details/80369989 如果用类实现:https://www.cnblogs.com/Mrzhang3389/p/9790955.html 求精度、tensorbo ...
分类:其他好文   时间:2019-11-23 22:13:58    阅读次数:90
Keras 中间层可视化,附代码详解,以Mnist数字为对象
Keras 中间层可视化,附代码详解,以Mnist数字为对象 ...
分类:其他好文   时间:2019-11-17 12:28:05    阅读次数:81
基于Keras 的VGG16神经网络模型的Mnist数据集识别并使用GPU加速
这段话放在前面:之前一种用的Pytorch,用着还挺爽,感觉挺方便的,但是在最近文献的时候,很多实验都是基于Google 的Keras的,所以抽空学了下Keras,学了之后才发现Keras相比Pytorch而言,基于keras来写神经网络的话太方便,因为Keras高度的封装性,所以基于Keras来搭 ...
分类:其他好文   时间:2019-11-13 23:59:24    阅读次数:175
keras使用AutoEncoder对mnist数据降维
import keras import matplotlib.pyplot as plt from keras.datasets import mnist (x_train, _), (x_test, y_test) = mnist.load_data() x_train = x_train.ast ...
分类:Web程序   时间:2019-11-10 19:08:42    阅读次数:122
动手深度学习10- pytorch多层感知机从零实现
<! TOC "多层感知机" "定义模型的参数" "定义激活函数" "定义模型" "定义损失函数" "训练模型" "小结" <! /TOC 多层感知机 我们仍然使用Fashion_MNIST数据集,使用多层感知机对图像进行分类 定义模型的参数 Fashion_MNIST数据集汇总的图形的形状为28x ...
分类:其他好文   时间:2019-11-07 13:24:15    阅读次数:104
用numpy实现CNN卷积神经网络
为了加深对卷积神经网络底层原理的理解,本文通过使用numpy来搭建一个基础的包含卷积层、池化层、全连接层和Softmax层的卷积神经网络,并选择relu作为我们的激活函数,选择多分类交叉熵损失函数,最后使用了mnist数据集进行了训练和测试。 关于卷积网络的详细原理和实现可参考下列文章: "刘建平P ...
分类:其他好文   时间:2019-10-24 00:16:55    阅读次数:83
MNIST手写数据集在运行中出现问题解决方案
今天在运行手写数据集的过程中,出现一个问题,代码没有问题,但是运行的时候一直报错,错误如下: 参考的网页如下: ...
分类:其他好文   时间:2019-10-19 19:10:51    阅读次数:117
Context_Encoder在mnist的实战
Context_Encoder是一种基于GAN的人脸修复框架,后面附带了简单地的理论讲解。论文中人脸照片被攻击的方式有三种:在图片(矩阵)中扣一个正方形,让正方形的数字变成0;在图片中任意扣除n个正方形,让正方形中的数字变成0;最后一种是让图片中(矩阵)中任意的一些数字变成0.第三种才是大家比较喜欢 ...
分类:Web程序   时间:2019-10-16 16:21:53    阅读次数:222
tensorflow的MNIST教程
(ps:根据自己的理解,提炼了一下官方文档的内容,错误的地方希望大佬们多多指正。。。。。) 0x01:数据集的获取和表示 数据集的获取,可以通过代码自动下载。这里的数据就是各种手写数字图片和图片对应的标签(告诉我们这个数字是几,比如下面的是5,0,4,1)。 下载下来的数据集被分成两部分:60000 ...
分类:其他好文   时间:2019-10-13 18:33:52    阅读次数:389
558条   上一页 1 ... 9 10 11 12 13 ... 56 下一页
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!