Python深度学习--简易版数字识别系统

准备条件:

1.安装sys,os,numpy,matplotlib,opencv库组

2.下载训练数据mnist

下载地址:

链接:https://pan.baidu.com/s/1SMeGhW0SVYc7audg2Q1kJA?pwd=1aru 
提取码:1aru

下载好后,把里面的dataset文件放到本项目文件同一路径下。就OK啦

准备就绪!开搞!!!

实现代码

#项目实操---数字识别系统
##### from locale import normalize
import sys,os
sys.path.append(os.pardir)
from dataset.mnist import load_mnist
from PIL import Image
import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import axes3d
import pickle
import math
import cv2

#------------------WAY-------------------------

def ReLU (x):#ReLU函数,输入大于0时,直接返回该值,小于0时,则返回0.
    return np.maximum(0,x)

def sigmoid(x):#sigmoid函数,对输入进行1/(1+exp(-x))运算,并返回该值
    return 1/(1+np.exp(-x))

def setp_function(x):#阶跃函数,输入大于0,返回1,小于0,返回0.适用np数组,可以直接
  • 1
    点赞
  • 23
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
《唐宇迪 深度学习-语音识别项目实战(python版)》是一本研究深度学习应用于语音识别的实战指南。在传统的语音识别技术中,主要采用了基于统计模型的方法,而深度学习的出现在语音识别领域产生了巨大的影响。 该书将深度学习技术应用于语音识别领域的实际项目,以Python语言为工具,深入探讨了从数据准备到模型设计、训练和应用的全过程。它以实战为基础,通过大量的示例代码和实际案例,帮助读者更好地理解和应用深度学习在语音识别中的优势和挑战。 本书首先介绍了语音识别的基本概念和流程,并详细解释了深度学习在语音识别中的应用原理。随后,它引导读者使用Python语言实现基于深度学习的语音识别模型,包括搭建神经网络模型、数据预处理、训练和评估模型等步骤。 此外,该书还介绍了一些常用的深度学习框架和工具,如Keras、TensorFlow和pytorch,帮助读者更好地使用这些工具来构建和优化语音识别模型。同时,书中还介绍了一些与语音识别相关的技术,如语音端点检测和声学建模,以帮助读者更全面地理解和应用深度学习在语音识别中的方法。 总的来说,《唐宇迪 深度学习-语音识别项目实战(python版)》是一本深入浅出的实战指南,适合对深度学习和语音识别感兴趣的读者学习和参考。通过实际项目案例的介绍和示例代码的演示,读者可以更好地理解和应用深度学习在语音识别中的技术和方法。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
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