北京邮电大学计算机学院鲁鹏老师的计算机视觉与深度学习课程第四章：全连接神经网络
2022-04-21 21:05:21
1.44MB
1
深度学习初步，全连接神经网络，MLP从原理到实现（二）原理部分，过拟合，激活函数，batc。。。 深度学习原理.pdf
2022-04-14 18:10:27
784KB
今天小编就为大家分享一篇使用TensorFlow搭建一个全连接神经网络教程，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
2022-03-01 17:11:59
46KB
1
说明
本例子利用TensorFlow搭建一个全连接神经网络，实现对MNIST手写数字的识别。
先上代码
from tensorflow.examples.tutorials.mnist import input_data
import tensorflow as tf
# prepare data
mnist = input_data.read_data_sets('MNIST_data', one_hot=True)
xs = tf.placeholder(tf.float32, [None, 784])
ys = tf.placeholder(tf.float32, [None, 10]
2021-09-28 18:11:18
50KB
1
-numpy-
全连接神经网络（纯numpy实现，三层），对minist手写测试数据集可以达到87的准确率。
2021-09-25 02:08:41
2KB
1
C++ 实现全连接神经网络算法识别 Mnist 手写数字。
本程序使用全连接神经网络进行手写数字识别的训练和预测。当然修改一下输入和输出节点数，调整网络层数，也可用于其他多分类或回归问题。
代码结构参考了 yolo(You Only Look Once) 项目源码框架 darknet.
2021-09-05 13:12:13
11.02MB
1
是我大作业的代码了哈哈，要是需要带注释的可以私聊哈哈
代码使用方法：
1. 读取数据集
2. 初始化模型参数（选择哪个模型就初始化哪个）
3.定义激活函数（只有选择带隐含层的模型才需要激活函数）
4.防止过拟合（只有选择带隐含层的模型才需要防止过拟合，不过因为下面我们用的权重衰减在训练是也有定义，所以我们需要也给它加个定义）
5.定义模型（选择哪个模型就定义哪个）
6.定义损失函数
7. 定义优化函数
8.训练模型（训练结束可进行绘图）
9. 进行预测
可变参数：
1.选择模型（三种模型，可选用）
2.激活函数（两种）
3.防止过拟合（两种方法，可选用也可都用）
权重衰减（通过lambd 来调整， lambd = 0 即不使用此方法）
丢弃法（通过定义模型时选择）
4.损失函数（咱们的代码只用了一种）
5.优化方法（咱们的代码只用了一种）
6.训练模型（迭代周期数num_epochs和学习率lr可调）
7.定义数据集时小批量的大小
2021-08-24 09:23:16
66.51MB
Pytorch实现MNIST手写数字识别（全连接神经网络及卷积神经网络）-附件资源
2021-08-02 11:14:34
106B
1
不使用框架实现全连接神经网络进行手写数字识别(layer封装好),可以很方便的改变网络的层数,改变网络的激活函数
2021-06-28 21:58:55
15.41MB
1