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
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
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
使用tensorflow建立全连接神经网络实现手写数字识别
windows下安装任意版本的python和tensorflow均可运行
内含详细的代码环境修改说明
包括mnist数据集
2021-06-25 21:30:59
11.1MB
1
中国制造业总体水平处于2.0向3.0过渡阶段，老旧设备多，数字化水平低。2017年，我国规模以上工业企业生产设备数字化率为44.8%，数字化设备联网率为39%。2018年中国工业互联网市场规模达到5318亿元，增长率为13.71%；随着产业政策逐渐落点，预计2020年中国工业互联网市场规模可达6929亿元。
2021-06-06 20:01:43
66.73MB
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
2021-05-25 18:07:22
23B
1
本资源使用python编程，同时使用numpy包实现的三层神经网络，没有使用TensorFlow和pytorch等框架或者接口，数据集是minist手写数字数据集，其中还包含将minist照片转化为txt进行保存的代码。
2021-04-24 21:58:23
9.51MB
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