應用tf.nn.conv2d實現卷積計算
應用tf.nn.relu實現啟用函式計算
應用tf.nn.max_pool實現池化層的計算
應用卷積神經網路實現影象分類識別
檔案說明
train-images-idx3-ubyte.gz: training set images (9912422 bytes)
train-labels-idx1-ubyte.gz: training set labels (28881 bytes)
t10k-images-idx3-ubyte.gz: test set images (1648877 bytes)
t10k-labels-idx1-ubyte.gz: test set labels (4542 bytes)
mnist手寫體識別 卷積神經網路
coding utf 8 通過卷積神經網路進行 author elijah 引入資料集 from tensorflow.examples.tutorials.mnist import input data import tensorflow as tf mnist input data.read d...
使用kNN實現手寫體識別
knn的總結 本質就是使用測試與樣本進行比較，找到k個最近的，在k個中選擇概率出現最高的那乙個，把數字記錄下來，這個數字就是最終目標。步驟如下 1 資料的載入。注意是隨機數的載入 有4組，分別為訓練資料，訓練標籤，測試，測試標籤 2 計算測試與訓練的距離 3 計算k個最近的 實際上就是排序 4 將得...
數字手寫體的卷積神經網路實現
使用卷積神經網路實現手寫體數字識別，在過程中使用了不同的卷積層個數及全連線層的長度，在組建模型的過程中發現卷積層中的影象深度可以調節，在全連線層中，全連線層的長度可以自由定義。例如 對於乙個捲及神經網路模型，conv1 5x5x32 max pool1 2x2 conv2 5x5x64 max po...