mnist 数据集mnist 数据集mnist 数据集mnist 数据集mnist 数据集mnist 数据集mnist 数据集mnist 数据集mnist 数据集mnist 数据集mnist 数据集mnist 数据集mnist 数据集
2021-10-14 19:43:58 10.16MB mnist 手写数据集
1
概述 这是用Python编写的 RBM 学习算法的简单实现,它使用numpy包来加速矩阵计算。 路线 要使用默认参数在 MNIST 数据集上运行 RBM 学习算法,请键入 python rbm.py 否则您可以自己指定所有参数 python rbm.py 这将在训练示例上训练 RBM,然后尝试在给定学习权重的情况下重建测试图像。 原始测试图像和重建的测试图像都将保存在Output/文件夹中。 依赖关系 请注意,此项目需要 Python 3.x 才能运行。 它还需要numpy包。
2021-10-12 20:31:39 10.96MB Python
1
手写3层神经网络(不用框架),使用mnist数据集训练,最后识别一个验证码图片。代码
1
变种火炬自动编码器 Pytorch中针对MNIST数据集的VAE实现 嘿大家! 在这里,我将展示我创建VAE来复制MNIST数据集的项目的所有代码 目录 基本信息 该项目的灵感来自Sovit Ranjan Rath的文章 技术领域 使用以下项目创建项目: Python版本:3.8.5 Pytorch版本:1.8.0 脾气暴躁:1.19.2
2021-10-10 13:32:56 5.4MB JupyterNotebook
1
mnist_tf 使用tensorflow和pycharm对mnist数据集进行分类
2021-10-06 22:07:49 1KB
1
mnist数据集图片,已由压缩包转换成图片,可直接使用,主要用于本地
2021-09-28 00:12:09 2.38MB MNIST
1
简介 这是深度学习课程的第一个实验,主要目的就是熟悉 Pytorch 框架。MLP 是多层感知器,我这次实现的是四层感知器,代码和思路参考了网上的很多文章。个人认为,感知器的代码大同小异,尤其是用 Pytorch 实现,除了层数和参数外,代码都很相似。 Pytorch 写神经网络的主要步骤主要有以下几步: 1 构建网络结构 2 加载数据集 3 训练神经网络(包括优化器的选择和 Loss 的计算) 4 测试神经网络 下面将从这四个方面介绍 Pytorch 搭建 MLP 的过程。 项目代码地址:lab1 过程 构建网络结构 神经网络最重要的就是搭建网络,第一步就是定义网络结构。我这里是创建了一个四
2021-09-27 19:53:15 84KB c IS mnist
1
KNN 实现mnist 数据集分类
2021-09-26 19:37:26 2KB knn
1
MNIST数据集rar包,已下载jpeg格式打包
2021-09-20 17:07:57 67.88MB MNIST cv 计算机视觉
1
模仿MNIST数据集,生成自己的数据集,通过Visual Stdio和openCV实现,简单易用。
2021-09-17 20:26:23 3KB 数据集
1