matlab_手写体数字识别的程序，用了三种方法，贝叶斯，最近邻和BP神经网络
2022-06-14 15:12:14
158KB
多层感知机（multi-layer perceptron）实现手写体分类（TensorFlow）
2022-06-14 13:44:38
3KB
1
Tensorflow学习实战之mnist手写体识别数据准备构建模型训练模型评估结果可视化显示
Tensorflow继续学习，今天是入门级的mnist手写体识别，改变前两次的线性回归，这次是逻辑回归，这样随之改变的是损失函数等
Tensorflow里面有一个examples的MNIST的手写，直接运行会自动下载。
训练了20次，效果还不错，慢慢的理解，把以前不懂得好多东西，学习中慢慢得到补充
收获：
reshape，行优先，逐行排列，相当于把一整行数字排列后按reshape得行列填充进去，我的理解相当于图像里得resize
one hot独热编码，一个为1，其余所有为0，适用于分类任务，是一种稀
2022-06-14 12:59:17
470KB
1
实验环境
win10 + anaconda + jupyter notebook
Pytorch1.1.0
Python3.7
gpu环境（可选）
MNIST数据集介绍
MNIST 包括6万张28×28的训练样本，1万张测试样本，可以说是CV里的“Hello Word”。本文使用的CNN网络将MNIST数据的识别率提高到了99%。下面我们就开始进行实战。
导入包
import torch
import torch.nn as nn
import torch.nn.functional as F
import torch.optim as optim
from torchvision imp
2022-06-01 23:43:43
54KB
1
基于python，利用主成分分析（PCA）和K近邻算法（KNN）在MNIST手写数据集上进行了分类。经过PCA降维，最终的KNN在100维的特征空间实现了超过97%的分类精度。
2022-05-29 23:19:47
11.06MB