matlab集成c代码-DeeplearningPractice:基于MNIST手写数字识别的深度学习原理实践

上传者: 38696582 | 上传时间: 2022-11-30 16:43:36 | 文件大小: 3.02MB | 文件类型: ZIP
matlab集成c代码 现当今机器学习/深度学习技术在某些具体垂直领域已被大量广泛应用到现实世界中,已经不再像前几年那么“火热”,与之对应的各类深度学习框架也是“百花齐放,百家争鸣”,框架终究只是个工具,不过简化了从“零”开始复杂繁琐的工作,让很多普通人都可以快速入门。本博客不单纯完成一个任务,也不涉及过多理论推导,而是真正体会到算法工作一步步原理,逐步实现,岂不乐乎? 以经典的识别为例,逐步一步步实现通用的深度学习网络模型架构,不调用任何第三方库和框架,使用matlab进行快速搭建、训练和测试。程序中所涉及的理论知识及使用的变量名严格按照、 这两篇博客的符号和公式进行。MNIST手写数字包含60000张训练图片,10000张测试图片,图片大小为28×28,灰度图像,给出的是四个二进制存储的文件,分别为训练和测试的数据集和标签文件。假设读者已经明白所给链接博客的理论知识(不清楚可以参考更多文后的文献和程序代码中给的链接),我们接下来进行下面的具体实现。 网络架构设计 考虑到网络简单和易用性,根据MNIST数据集特点,设计了四层网络层,分别为conv+relu+meanPool、conv

文件下载

资源详情

[{"title":"( 19 个子文件 3.02MB ) matlab集成c代码-DeeplearningPractice:基于MNIST手写数字识别的深度学习原理实践","children":[{"title":"DeeplearningPractice-master","children":[{"title":"DropoutLayer.m <span style='color:#111;'> 640B </span>","children":null,"spread":false},{"title":"ConvLayer.m <span style='color:#111;'> 1.07KB </span>","children":null,"spread":false},{"title":"test.m <span style='color:#111;'> 751B </span>","children":null,"spread":false},{"title":"model_epoch1.mat <span style='color:#111;'> 1.44MB </span>","children":null,"spread":false},{"title":"processMNISTdata.m <span style='color:#111;'> 1.56KB </span>","children":null,"spread":false},{"title":"Readme.md <span style='color:#111;'> 4.54KB </span>","children":null,"spread":false},{"title":"imgs","children":[{"title":"digital.jpg <span style='color:#111;'> 27.63KB </span>","children":null,"spread":false},{"title":"digital2.jpg <span style='color:#111;'> 37.75KB </span>","children":null,"spread":false},{"title":"network.jpg <span style='color:#111;'> 47.45KB </span>","children":null,"spread":false},{"title":"test.jpg <span style='color:#111;'> 10.90KB </span>","children":null,"spread":false},{"title":"train.jpg <span style='color:#111;'> 43.67KB </span>","children":null,"spread":false}],"spread":true},{"title":"SoftmaxLayer.m <span style='color:#111;'> 182B </span>","children":null,"spread":false},{"title":"model_epoch2.mat <span style='color:#111;'> 1.44MB </span>","children":null,"spread":false},{"title":"preProcess.m <span style='color:#111;'> 265B </span>","children":null,"spread":false},{"title":"PoolLayer.m <span style='color:#111;'> 660B </span>","children":null,"spread":false},{"title":"Predict.m <span style='color:#111;'> 984B </span>","children":null,"spread":false},{"title":"train.m <span style='color:#111;'> 4.40KB </span>","children":null,"spread":false},{"title":"onehot.m <span style='color:#111;'> 1.16KB </span>","children":null,"spread":false},{"title":"ReLULayer.m <span style='color:#111;'> 50B </span>","children":null,"spread":false}],"spread":false}],"spread":true}]

评论信息

免责申明

【只为小站】的资源来自网友分享,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论 【只为小站】 经营者是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二条之规定,若资源存在侵权或相关问题请联系本站客服人员,zhiweidada#qq.com,请把#换成@,本站将给予最大的支持与配合,做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明