刚接触神经网络的可以参考参考，网络结构是全连接的，代码流程也比较清晰，用的MNIST数据集，运行起来也很快。
2021-11-29 21:23:29
2KB
1
meanfield-matlab：用于全连接CRF中的有效推理的MATLAB包装器
2021-11-15 17:09:48
1.76MB
1
face_recognition
项目名称为：自建数据集人脸识别。该项目利用电脑自带摄像头或者已有照片进行人脸数据集建立，再进行人脸检测，人脸识别，人脸预测，包括数据采集、数据预处理、建模、模型训练、模型使用预测全过程。项目使用Openc3进行数据采集、数据预处理，Keras 进行建模，模型参考了VGG16网络，包含4个卷积层，5个LeRu层，2个池化层，3个Dropout层，2个全连接层，1个flatten层，1个分类层，共18层。
更多内容，请看代码中的 read_me.pdf ！
2021-10-31 19:45:51
201KB
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
https://blog.csdn.net/askmeaskyou/article/details/108674860 文章全套代码。
mnist手写数字识别tensorflow2全连接层实现和卷积层实现（包含代码，模型，调用接口）
2021-09-24 08:53:20
6.83MB
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