ICCV2015 tutorial convolutional feature maps Kaiming He ICCV 2015 CNN 卷积神经网络 目标检测 教程 何凯明

基于verilog的CNN卷积神经网络实现，平台ISE，提供coe格式的权值参数。包括3个层，每一个层都有卷积层，池化层，激活层。需要设置rom核来调用coe文件。平台为ISE14.7

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

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

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

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

layers = [ imageInputLayer([22 1 1]) % 22X1X1 refers to number of features per sample convolution2dLayer(3,16,'Padding','same') reluLayer fullyConnectedLayer(384) % 384 refers to number of neurons in next FC hidden layer fullyConnectedLayer(384) % 384 refers to number of neurons in next FC hidden layer fullyConnectedLayer(2) % 2 refers to number of neurons in next output layer (number of output classes) softmaxLayer classificationLayer];

CNN卷积神经网络训练不使用MATLAB的深度学习工具箱，matlab2021a运行测试

基于mnist数据库的CNN卷积神经网络训练不使用matlab工具箱，matlab2021a仿真运行

【深度学习】CNN卷积神经网络-识别阿喵阿汪源代码