神经网路全连接层的代码实现，包含一个输入层一个输出层一个隐层，用numpy实现。前向传播和反向传播均用代码实现，并没有借助tensorflow框架。这只是一个简单的神经网络模型，仅供学习，便于理解神经网络算法中前向传播和反向传播过程，以及利用梯度下降算法更新权重参数的实现过程。
2021-07-01 10:13:04
1KB
1
利用numpy完成全连接层的前向传播和反向传播的梯度下降，可以进行多分类识别。案例运用bp神经网络对手写数字mnist数据集进行分类，训练集精度达到99%，验证集精度达到96%以上。一个输入层一个隐藏层一个输出层，激活函数sigmoid，最后一个softmax，loss function为交叉熵损失函数。
2021-04-13 17:20:23
5KB
1
keras在ImageNet数据集预训练的VGG19官方权重，包含全连接层。由于文件太大，我给压缩成了.rar文件。
（踩坑记录：csdn下载上目前能搜到的另一个是假的！里面是vgg16的权重，不要下载！）
2021-04-02 15:23:16
510.63MB
1
1.使用pytorch，使用全连接层，而不是用卷积层，要求有两层隐含层
2. 尽一切可能提高准确率，在这里训练集上达到99.9%以上
2019-12-21 20:36:56
13.59MB
1