AI小项目

GIHUB地址

1、基于单隐层神经网络的二维数据分类

Planar-data-classification-with-one-hidden-layer

作用:分类算法进行(标签)蓝色和红色点、二维特征数据的二分类

模型:单层神经网络

策略:对数损失函数

算法:梯度下降法

备注:无正则化,可能有过拟合

2、基于L层简单神经网络的猫图识别

Recognite-Cat-with-L-Layers-NN

作用:神经网络分类算法进行图像识别猫咪

模型:L层神经网络

策略:对数损失函数

算法:梯度下降法

备注:无正则化,可能有过拟合;系统识别猫的效果不太好,区别不了猫和其他图片

3、基于Nelearn(TensorFlow)2层神经网络的手势识别

Gesture0to5-recognition-based-on-Nelearn-and-tensorflow

作用:双隐藏层神经网络识别手势。

模型:双隐藏层神经网络

策略:对数损失函数

算法:Adam

备注:你也可以改成datasets中的其他数据集,去识别其他的物体。

Train Accuracy: 1.0

Test Accuracy: 0.791667

4、基于Keras卷积神经网络的笑脸识别

HappyFace-Recognition-Keras

作用:卷积神经网络识别笑脸。

模型:卷积神经网络

策略:交叉熵损失函数-1/n(ylog(a)-(1-y)log(a))

算法:Adam

备注:训练集不够大,当对自己的照片进行识别时,效果不佳。

Train loss = 0.0120

Train accuracy = 0.9983

Test loss = 0.102046815952

Test accuracy = 0.980000003974

5、基于Keras残差网络的手势识别

Gesture0to5-recognition-based-on-Keras

作用:残差神经网络识别手势。

模型:残差神经网络

CONV2D -> BATCHNORM -> RELU -> MAXPOOL -> CONVBLOCK -> IDBLOCK2 -> CONVBLOCK -> IDBLOCK3 -> CONVBLOCK -> IDBLOCK5 -> CONVBLOCK -> IDBLOCK2 -> AVGPOOL -> TOPLAYER

其中 ,CONVBLOCK=convolutionblock在小路上有1×1卷积,所以可以实现输出和输出维度不同;IDBLOCK=identityblock在小路上是直达,没有1*1卷积,所以输出和输入维度必须相同。

策略:多分类的对数损失函数

算法:Adam

备注:需要较长的训练时间

Train loss = 0.0963

Train accuracy = 0.9741

Test loss = 0.609584419926

Test accuracy = 0.86666667064

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值