- 博客(7)
- 收藏
- 关注
RSS订阅原创 基于LeNet5的手写数字识别神经网络
关于CNN，迄今为止已经提出了各种网络结构。在这里我们着重介绍一下在1998年首次被提出的CNN元组LeNet。LeNet子啊1998年被提出，是进行手写数字识别的网络，如下图所示，他又连续的卷积层和池化层（正确地讲，是只“抽选元素”的子采样层），最后经全连接输出结果。在初始的LeNet中，输入时32*32的图像，经过卷积层输出channel为6，大小28*28的feature map，在经过子采样（Subsampling）池化后，将图像大小变为14*14，（stride=2）在进行卷积，outpu
2021-09-25 11:02:03
3510
6
原创 简单回顾卷积神经网络
本文学习内容全部来自于日本东京工业大学斋藤康毅编写的《深度学习入门-基于Python的理论与实现》一书，从个人角度讲，我是小白，对于这方面之前是一点了解都没有，同学推荐，选择这本书入手，可以说书里将深度学习的一些很基本的地方覆盖的都比较全，每个人使用情况不一样，如果各位看官已经有了不错的基础，看看此书权当知识点回顾，如果跟我一样是小白，从这里开始还是很不错的。本文仅用于回顾此书中关于卷积神经网络的相关知识卷积神经网络：（Convolutional Neural Network，CNN），..
2021-09-18 11:04:05
340
原创 基于卷积神经网络的CIFAR10分类识别
今天带来一个小小的PyTorch项目，利用PyTorch搭建卷积神经网络完成对CIFAR10数据集的分类CIFAR10：由 10 个类中的 60000 张 32x32 彩色图像组成，每类 6000 张图像。有50000个训练图像和10000个测试图像。数据集分为五个培训批次和一个测试批次，每个测试批次有 10000 张图像。测试批次包含来自每个类的 1000 个随机选择的图像。培训批次随机包含剩余图像，但某些培训批次可能包含来自一个班级的图像。培训批次包含每节课的 5000 张图片十个..
2021-09-17 10:27:55
3960
原创 利用PyTorch构建三层线性网络完成对MNIST数据集识别
在这里首先简单介绍一些MNIST数据集：MNIST数据集内共包含70000张手写数字图像，数字范围0~9，大小为28*28，其中60000张用于训练学习，10000张用于数据测试，图像为灰度图像，数字位置居中，可以减少预处理和加快运行在学习编程入门时，无论哪个语言，hello world往往是第一步，再进行深度学习入门时，MNIST数据集研究透了，基本就可以入门了。下面向大家展示一下MNIST数据集内图像：-----------------------------------------
2021-09-16 09:33:58
2079
1
原创 python实现简单线性回归问题
利用python语言实现一个简单的线性回归问题求解y = w * x + b实现内容大致如下：通过读取data.csv文件内容获得若干组坐标数据，构造损失函数，不断更新迭代梯度，获取最接近得权重和偏置的值，确定最终线性函数1.导入的函数库如下：import numpy as npimport matplotlib.pyplot as plt2.建立损失函数：def compute_error_for_line_given_points(b,w,points): totalE
2021-09-14 14:48:32
893
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人