包含mnist手写数字数据集、可视化展示功能、适用于Python3、重要代码注释
2021-06-20 13:14:16
5.39MB
该资源包包含了MNIST数据集及使用pytorch实现数字分类的代码。其中，pytorch使用了两层神经网络，正确分类识别的精度达到了99%。可以供实现大作业或了解相关课程的同学使用及学习。
2021-06-15 10:23:12
66.39MB
1
今天小编就为大家分享一篇pytorch:实现简单的GAN示例(MNIST数据集)，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
2021-06-14 16:03:20
43KB
1
使用朴素贝叶斯算法实现MNIST数据集的训练预测，精度较高，主要是参考统考学习李航一书和github上相关作者思路进行实现。
2021-06-04 20:10:47
13.22MB
1
在Python3环境下使用MNIST数据集进行决策树算法的训练，对《统计学习》中第五章内容进行复现性练习。
2021-05-25 21:43:04
13.22MB
1
文件包含两部分：一是mnist手写数字数据集，二是基于tersorflow实现的手写数字识别。
2021-05-25 10:21:48
11.06MB
1
利用基于tensorflow2的keras框架，搭建CNN卷积神经网络模型，对手写数字识别数据集mnist进行分类，网络规模小，训练精度高。网络包括三个卷积层，两个池化层和全连接层，在测试集上实现了99%左右的识别率。
2021-05-22 22:13:10
2KB
1
数据分成了训练集（60000张共10类）和测试集（共10000张10类），每个类别放在一个单独的文件夹里。并且将所有的图片，都生成了txt列表清单（train.txt和test.txt)。
2021-05-20 01:04:17
23.97MB
1
资源实现了多种适合MNIST数据集的CNN网络，包含自己设计的DenseCNN，著名的LeNet5、AlexNet、ZFNet和VGGNet16。实验结果的可视化包含损失和准确度随迭代次数的变化。模型可下载后直接运行。
2021-05-17 11:27:16
16.56MB
1