CNN卷积神经网络训练并测试Mnist数据集，准确率99.07%,环境是pytorch+GPU+pycharm(使用cuda),可直接下载使用，适合想入门深度学习或者神经网络的初学者，代码可直接跑，并且代码中含有大量注释以及个人见解。 1、运行代码，数据集会自行下载，只需要改变Dataset的路径 2、卷积网络层数和池化层参数可以自行更改

人工智能-项目实践-手写数字识别-用java实现一个简单的卷积神经网络，共三层可以识别mnsit 用java实现一个简单的卷积神经网络，共三层可以识别mnsit

将神经网络中root地址改为该压缩包解压后的文件夹，例如：root = "E:/0 data/fake"，来测试网络是否可以正常运行。

基于CNN卷积神经网络的文字识别matlab仿真,matlab2021a运行测试

layers = [ ... imageInputLayer([1 2048 1])%%2D-CNN convolution2dLayer([1,2],4) reluLayer maxPooling2dLayer([1 2],'Stride',2) convolution2dLayer([1,2],4) reluLayer maxPooling2dLayer([1 2],'Stride',2) fullyConnectedLayer(2) softmaxLayer classificationLayer];

人脸特征提取 这是一个CNN，可从kaggle数据集中获取96 * 96图像，并预测15个界标点： [left_eye_center_x] [left_eye_center_y] [right_eye_center_x] [right_eye_center_y] [left_eye_inner_corner_x] [left_eye_inner_corner_y] [left_eye_outer_corner_x] [left_eye_outer_corner_y] [right_eye_inner_corner_x] [right_eye_inner_corner_y] [right_eye_outer_corner_x] [right_eye_outer_corner_y] [left_eyebrow_inner_end_x] [left_eyebrow_i

使用python实现，采用 Mask R-CNN 算法模型进行目标检测，使用 Deep SORT 目

基于quartusii的CNN卷积神经网络的verilog开发含report

基于卷积神经网络的图像识别，资料包含一些参考文献及matlab仿真程序，仅供参考。

用Tensorflow搭建CNN卷积神经网络，实现MNIST手写数字识别-附件资源