「已注销」-CSDN博客

1.深度学习资料(猫狗数据集，代码，96准确率，ResNet网络实现)。 2.TensorFlow 教程以 Jupyter 笔记本格式编写而成。 3.您最好从用户友好的 Keras Sequential API 入手。您可以将各基础组件组合在一起来构建模型。 4.Keras 函数式 API 和子类化 API 提供了由运行定义的自定义和高级研究接口。您可以构建模型，然后编写前向传播和反向传播；还可以创建自定义层、激活函数和训练循环。 5.猫狗大战是 kaggle 的一个著名比赛项目，即编写一个算法使机器能够区分猫和狗（图片）。 6.猫狗识别是计算机视觉和卷积神经网络的入门项目。通过这个项目，初学者（我这种）7.能够很好地理解图像数据的结构。这个项目的整体流程如下：数据读入数据清理将图片与label对应图片尺寸归一化划分验证集、训练集数据扩增数据训练、观察学习过程、计算本地cv分数预测、提交 8.数据来源：Kaggle在2013年公开的猫狗数据集，该数据集总共25000张图片，猫狗各12500张。

2022-10-03

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

m0_73817310的博客

原创 pytorch多gpu训练

原创 tensorflow多gpu训练

原创 keras使用tpu训练

原创 pytorch实现残差链接网络(resnet)

原创猫狗识别pytorch实现（96%准确率）

原创 keras构建mini-Xception

原创 keras构建resnet网络

原创 keras构建卷积神经网络

原创 pytorch实现resnet18（CIFAR10数据集，92%的准确率）

原创 pytorch实现resnet18

原创 QUICKSTART

原创 pytorch的快速入门(CIFAR10数据集)

原创 pytorch实现深度卷积神经网络（AlexNet）

原创 pytorch实现猫狗数据集分类

原创 pytorch构建LeNet模型

原创 pytorch实现卷积神经网络(MNIST,99%准确率)

原创猫狗数据集95%的准确率，tensorflow实现

原创 vgg16模型tensorflow2.64实现

原创 AlexNet模型tensorflow实现

原创使用 TPU 训练 TensorFlow 模型

原创在MNIST上实现~99%的测试准确率(tensorflow)

原创卷积神经网络，TensorFlow实现

原创 TensorFlow 2.0，神经网络手写数字识别

原创免费试用Kaggle的GPU,进行深度学习，每周可以使用41小时GPU和20小时TPU

深度学习资料(猫狗数据集，代码，96准确率，ResNet网络实现)

空空如也