CFD中的机器学习案例 该存储库包含出版的文章使用的代码。 安装 我们建议使用单独的虚拟环境。 要创建一个，运行 python3 -m venv < ENV> 通过运行输入 source < ENV> /bin/activate 要安装需求，请运行 cd flowfusic_cylinder_flow pip install -r requirements.txt 使用代码库 创建机器学习模型的三个主要步骤可以代替CFD管道的一部分。 在继续之前，请确保您位于存储库的主目录中。 生成几何 python make_geometry_dataset.py 生成样品流 训练卷积神经网络模型 python train.py

基于CNN的人脸识别考勤系统包含预训练模型可以直接运行

MATLAB CNN-SVM分类程序，含详细注释及数据， 以改进VGG网络为例，提取某一网络的某一层特征并用SVM完成分类。

python机器学习大作业用numoy构建原始CNN网络项目源码。在本项目中，通过numpy实现了一个CNN网络，包括其中的卷积层，池化层以及全连接层，通过公式推导、代码编写，加深了对于卷积、池化、反向传播等概念的理解。 采用现在主流的深度学习框架Pytorch实现识别，并与自己搭建的CNN训练结果进行比较。 采用相同的网络结构： self.conv1 = nn.Conv2d(in_channels=1, out_channels=8, kernel_size=3, padding=0, stride=1) self.maxpool = nn.MaxPool2d(kernel_size =2, stride=None, padding=0) self.fc1 = nn.Linear(13 * 13 * 8, 512) self.fc2 = nn.Linear(512, 10) 在3个epoch下测试结果： 相比与用numpy实现的CNN，其具有较高的稳定性，以及训练速度，因为PyTorch将输入转为张量形式，转入GPU中训练，同时用了SGD优化器，加快loss收敛速度。

matlab的程序cnn编写，对图片进行分类并预测，最后完成搜索功能， 输入图片路径给出所有同类的图片结果

OpenCV CNN模型预测性别与年龄 中编写程序需要加载的模型，先上传保存 gender_net.caffemodel deploy_gender.prototxt age_net.caffemodel deploy_age.prototxt

基于卷积神经网络的轴承故障诊断算法模型研究源代码。 main为wdcnn卷积神经网络主文件，运行它就可以 preprocess为预处理文件，主要实现制作数据集的功能 日志文件保存在logs里面，通过启动tensorboard查看 wdcnn.png为卷积神经网络的结构图像 基于卷积神经网络的轴承故障诊断算法模型研究源代码。 main为wdcnn卷积神经网络主文件，运行它就可以 preprocess为预处理文件，主要实现制作数据集的功能 日志文件保存在logs里面，通过启动tensorboard查看 wdcnn.png为卷积神经网络的结构图像 基于卷积神经网络的轴承故障诊断算法模型研究源代码。 main为wdcnn卷积神经网络主文件，运行它就可以 preprocess为预处理文件，主要实现制作数据集的功能 日志文件保存在logs里面，通过启动tensorboard查看 wdcnn.png为卷积神经网络的结构图像

本代码利用MATLAB自建5层CNN模型完成手写数字字体识别，全套代码 100%可用。

本代码利用自建5层CNN模型预测手写数字字体倾斜角度问题，全套代码100%可用。

本文来自于个人微博，本文介绍基于regionproposal的R-CNN系列目标检测方法是当前目标检测技术领域最主要的一个分支。objectdetection我的理解，就是在给定的图片中精确找到物体所在位置，并标注出物体的类别。objectdetection要解决的问题就是物体在哪里，是什么这整个流程的问题。然而，这个问题可不是那么容易解决的，物体的尺寸变化范围很大，摆放物体的角度，姿态不定，而且可以出现在图片的任何地方，更何况物体还可以是多个类别。objectdetection技术的演进：RCNN->SppNET->Fast-RCNN->Faster-RCNN这里有一个图像任务：既要把图中的