这是一个相对简单但又十分吸引人的机器学习项目。 在 Python 中使用卷积神经网络构造模型，可以识别手势并将其转换为机器上的文本。 该项目存储库的作者用 Tensorflow 和 Keras 共同搭建了 CNN 模型，他特别详细地说明了他是怎么创建这个项目的，以及每一步是怎么进行的。

CNN :Convolutional Neural Networks (卷积神经网络 ) 环境准备 Python版本：Python 3.6.8 PyTorch版本：PyTorch1.1.0 RDKit版本：RDKit 2020.03.1 基于卷积神经网络（CNN）预测分子特性 导入库 from rdkit import Chem from rdkit.Chem.Crippen import MolLogP import numpy as np import torch import time 载入数据 maxlen = 64 with open('smiles.txt') as f:

对应博客详解 https://blog.csdn.net/huqinweI987/article/details/87884341

3D U-Net卷积神经网络 背景 我们设计3DUnetCNN使其易于应用和控制各种深度学习模型对医学成像数据的训练和应用。 上面的链接提供了有关如何将本项目与来自MICCAI各种挑战的数据一起使用的示例/教程。 依存关系 火炬 Nilearn 大熊猫 凯拉斯 有问题吗？ 加入或给我发电子邮件 。 引文 Ellis DG，Aizenberg MR（2021年），尝试使用开源深度学习框架对胶质瘤进行分割的U-Net培训修改。 在：Crimi A.，Bakas S.（eds）脑损伤：脑胶质瘤，多发性硬化症，中风和脑外伤。 《 BrainLes 2020》。计算机科学讲座，第12659卷。ChamSpringer。 https://doi.org/10.1007/978-3-030-72087-2_4 其他引用 Ellis DG，Aizenberg MR（2020）使用通过注册增强的深度

模型结构 • 大多沿用基础的CNN模型结构，包括1层卷积和1层池化 • 输入数据的不同通道采用不同的词向量表示 • 卷积核的宽度与输入词向量的维度相同 超参数 • 调参的作用有时大于模型本身 • 词向量、卷积核大小、池化策略、激活函数的选择都很重要 应用领域 • 各种分类任务:文本分析、情感分析、实体关系抽取等等 • 用于其它任务的特征提取，与其它网络模型相结合

【图像识别】基于卷积神经网络CNN实现车牌识别matlab源码.md

【图像识别】基于卷积神经网络cnn实现银行卡数字识别matlab源码.md

vs2010以上版本编译。版本为1.0-beta19

主要介绍了使用卷积神经网络（CNN）做人脸识别的示例代码，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧

食用方法可参考我写的博客：https://blog.csdn.net/weixin_43486940/article/details/118701303 本文主要介绍如何使用python搭建：一个基于：粒子群优化算法(PSO：Particle swarm optimization) 优化CNN网络，并实现文本的分类。 博主也参考过网上其他博主介绍：粒子群优化算法（PSO）的文章，但大多是理论大于方法。并且很少有用到优化CNN或其他网络的代码。很多同学肯定对原理不需要过多了解，只需要搭建出一个分类或预测系统即可。