没有合适的资源？快使用搜索试试~
我知道了~
文库首页
开发技术
其它
MNIST_MLP:使用多层感知器对MNIST数据进行图像分类
MNIST_MLP:使用多层感知器对MNIST数据进行图像分类
共3个文件
license：1个
md：1个
ipynb：1个
JupyterNotebook
需积分: 11
3 下载量
54 浏览量
2021-04-08
04:10:59
上传
评论
收藏
24KB
ZIP
举报
温馨提示
立即下载
MNIST_MLP 使用多层感知器对MNIST数据进行图像分类
资源推荐
资源详情
资源评论
MNIST手写数字识别问题的多层神经网络模型实践
浏览：191
（10分） MNIST手写数字识别问题的多层神经网络模型实践 按课程案例，动手完成编码实践。 自行设计一种神经网络模型，并尝试采用不同超参数，让模型的准确率达到97.5%。 提交要求： 1、你认为最优的一次带运行结果的源代码文件（.ipynb 格式） 2、作为附件上传 评分标准： 1、完成MNIST手写数字识别的神经网络建模与应用，有完整的代码，模型能运行，准确率达97%以上；得6分；每下降一个百
mnist_mlp.py例子
浏览：49
keras 官方例子，深度学习专用，机器学习专用，代码简单，
深度学习基础网络模型(mnist手写体识别数据集)
浏览：179
梯度下降纯手工实现 MLP CNN RNN SEQ2SEQ识别手写体MNIST数据集十分类问题代码详解.
使用 PyTorch 实现 MLP 并在 MNIST 数据集上验证方式
浏览：146
简介 这是深度学习课程的第一个实验，主要目的就是熟悉 Pytorch 框架。MLP 是多层感知器，我这次实现的是四层感知器，代码和思路参考了网上的很多文章。个人认为，感知器的代码大同小异，尤其是用 Pytorch 实现，除了层数和参数外，代码都很相似。 Pytorch 写神经网络的主要步骤主要有以下几步： 1 构建网络结构 2 加载数据集 3 训练神经网络（包括优化器的选择和 Loss 的计算）
MNIST_MultiLayer-Perceptron:一个简单的Python脚本，使用PyTorch框架使用MNIST数据集训练神经网络
浏览：175
MNIST_MultiLayer-Perceptron 一个简单的Python脚本，使用PyTorch框架使用MNIST数据集训练神经网络。 先决条件 下面是安装所有必备组件以运行此Python程序的步骤。 我建议创建一个虚拟环境以避免版本冲突。 这些步骤是在Linux中使用Pip完成的。 如果您不在Linux或使用Pip中，请查看requirements.txt以获取所需软件包/模块的列表。
pythorch mnist手写数字 CNN MLP LSTM 识别
浏览：135
利用pythorch 实现kaggle比赛中mnist的识别，准确率99+%，运用CNN MLP LSTM等多种方法，内含数据和文档，环境配置方法，代码有注释，解压后可直接运行，适合初学者！
MNIST手写体字数据集
浏览：130
MNIST数据集包含了各种手写数字图片，像素大小为28*28，灰色图像(图像形状为(28,28,1))，且有对应的标签，标注出这是数字几。MNIST数据集有55000张训练图像，10000张测试图像和5000张验证图像。
python_mnist.zip
浏览：93
包含完整的数据集和不借助tensoflow等框架搭建的神经网络源代码
Mnist-MLP:使用Mnist数据的多层感知器
浏览：165
Mnist多层感知器 在这个项目中，首先，我实现了多层感知器。 依存关系 凯拉斯 我用jupyter笔记本来实现
Multi_Layer_Perceptron_Classifier_MNIST-Dataset：对粒子数据集使用多层Perceptron分类模型以获得高性能
浏览：119
Multi_Layer_Perceptron_Classifier_MNIST-Dataset：对粒子数据集使用多层Perceptron分类模型以获得高性能
使用 MLP 进行鸢尾花分类：一种对鸢尾花进行分类的多层感知器-matlab开发
浏览：42
此代码使用基于反向传播的 NN 学习对鸢尾花数据集进行分类。
MLP-神经网络-：多层感知（MLP）网络，对属于STL-10数据集中10个类别之一的图像数据进行分类
浏览：109
MLP-神经网络-：多层感知（MLP）网络，对属于STL-10数据集中10个类别之一的图像数据进行分类
图像分类：使用深层CNN（Pytorch）架构以92％的准确度预测CIFAR数据集中的不同图像类别，而MNIST数据集的手绘数字以97.24％（Keras）进行预测
浏览：189
5星 · 资源好评率100%
图像分类：使用深层CNN（Pytorch）架构以92％的准确度预测CIFAR数据集中的不同图像类别，而MNIST数据集的手绘数字以97.24％（Keras）进行预测
Fashion-MNIST-dataset-classification:使用tensorflow进行时尚mnist数据集分类
浏览：170
时尚MNIST数据集分类 1.使用streamlit GUI进行时尚数据集分类，该机器学习强大的库以获取关于streamlit.io的更多信息 单击链接以打开项目 2.读取所需的库文件 3.cnn_model用于抽搐神经网络 4. seq_model用于顺序模型 5.我制作了两个模型，然后在fashion.py文件中称该模型为运行项目的主文件
RNN-Acc89-----CNN-Acc-91----TFv1:使用tensorflow v1在MNIST数据集上进行RNN和CNN分类
浏览：193
RNN和CNN 使用tensorflow v1在MNIST数据集上进行RNN和CNN分类
DeepNeuralClassifier：深度神经网络，使用校正后的线性单位对MNIST数据集中的手写符号进行分类
浏览：118
深度神经网络分类器示例 描述 深入，前馈神经网络的示例脚本已从头开始编写。 没有使用机器学习包，提供了如何实现人工神经网络基础算法的示例。 该代码用Julia编写，Julia是一种编程语言，其语法类似于Matlab。 在MNIST手写数字数据集上训练神经网络。 在测试数据集上，神经网络正确分类了98.42％的手写数字。 对于不像卷积神经网络那样包含数据集几何不变性的先验知识的全连接神经网络，其结
使用MLP(多层感知机)进行情感分析，使用fasttext进行文档分类
浏览：72
Python语言，word2vec模型，词袋模型和TFIDF模型，使用MLP(多层感知机)进行情感分析，使用fasttext进行文档分类
【MLP分类】基于matlab生物地理学算法优化多层感知器BBO-MLP数据分类【含Matlab源码 3508期】.zip
浏览：47
CSDN海神之光上传的全部代码均可运行，亲测可用，直接替换数据即可，适合小白； 1、代码压缩包内容 主函数：Main.m； 数据； 调用函数：其他m文件；无需运行 运行结果效果图； 2、代码运行版本 Matlab 2019b；若运行有误，根据提示修改；若不会，可私信博主； 3、运行操作步骤 步骤一：将所有文件放到Matlab的当前文件夹中； 步骤二：双击打开除Main.m的其他m文件；
classification-using-MATLAB:使用 MATLAB 对 MNIST 数据进行分类-matlab开发
浏览：123
这些代码是对 MNIST 和 CIFAR 数据集的自定义训练程序的演示。
使用逻辑回归进行MNIST数据集分类
浏览：174
MNIST数据集是机器学习领域中非常经典的一个数据集，由60000个训练样本和10000个测试样本组成，每个样本都是一张28 * 28像素的灰度手写数字图片。 import time import numpy as np import matplotlib.pyplot as plt from sklearn.model_selection import train_test_split fro
PySpark-ClusterClassify:使用AWS Sagemaker在MNIST数据集上进行分布式KMeans聚类和XGBoost分类作业
浏览：51
PySpark-ClusterClassify 使用AWS Sagemaker在MNIST数据集上进行分布式KMeans聚类和XGBoost分类作业
CIFAR_MLP_Pytorch_Lightning:使用Pytorch光照库在CIFAR数据集上训练了多层感知器（MLP）神经网络
浏览：39
CIFAR_MLP_Pytorch_Lightning 使用Pytorch照明库对多层感知器（MLP）神经网络进行了训练。 CIFAR数据集用于对神经网络进行分类。 进行不同的实验并观察结果。 实验类型和网络验证准确性如下： 版本1：B_SIze：32 H_Layers：1 H神经元：512 Optim：SGD Sigmoid Val_Acc：0.4706 版本2：B_SIze：32 H_
NeuralNetworkFromScratch：一个神经网络，用于预测图像中项目的类别。 使用Fashion-MNIST数据集进行训练
浏览：97
使用RMSprop从零开始实现了Neural Netwrok 任务：从10种可能的类别中识别图像中对象的类别。 网络架构： 输入层使用relu作为激活功能，用512个神经元形成2个密集的隐藏层值为0.2的辍学输出层，使用softmax作为激活函数 在时尚MNIST数据集上达到84％的测试准确度
MLP-HIPS：使用scikit可以从臀部数据中根据亮度和温度模板来学习MLP对恒星进行分类
浏览：84
MLP-HIPS：使用scikit可以从臀部数据中根据亮度和温度模板来学习MLP对恒星进行分类
MNIST-From-Scratch:仅使用numpy对MNIST手写数字数据集进行分类
浏览：4
从零开始 仅使用numpy对MNIST手写数字数据集进行分类。 工作的逻辑和概念： 神经网络 神经网络背后的基本思想是模拟（以简化但合理的方式复制）计算机内部大量紧密互连的脑细胞，以便您可以用它来学习事物，识别模式并以人性化的方式进行决策。 神经网络的神奇之处在于，您无需对其进行编程即可进行明确学习：它就像大脑一样独立地学习所有东西（不是，而是，是的！）！ 神经网络由什么组成？
主成分回归代码matlab及例子-Classify-Handwritten-Digits:使用著名的MNIST数据对手写数字进行分类
浏览：156
主成分回归代码matlab及示例分类手写数字 使用著名的MNIST数据对手写数字进行分类 概述 该项目的目标是拍摄手写的单个数字的图像，并确定该数字是什么。 从提供的数据集中，训练数据集中的每一行表示图像的标签和28x28像素数据。 MNIST数据库是一个大型的手写数字数据库，通常用于训练各种图像处理系统，并且通过该数据集的主页，我们发现它提供了由不同的机器学习算法实现的多种解决方案，而没有随机森
MNIST_Pytorch_Lightning:使用Pytorch照明库训练多层感知器（MLP）神经网络
浏览：63
MNIST_Pytorch_Lightning 使用Pytorch照明库训练多层感知器（MLP）神经网络
Qt 5实现串口调试助手 （源工程文件、0积分下载）
浏览：187
5星 · 资源好评率100%
基于Qt 5实现串口调试助手，程序仅供参考，修改了之前十六进制接收0xA0--0xFF有误的问题，新增了窗口自适应（ui文件设置栅格），文件详情可看博客链接https://blog.csdn.net/m0_51294753/article/details/121405661。
【SystemVerilog】路科验证V2学习笔记（全600页）.pdf
浏览：102
5星 · 资源好评率100%
SystemVerilog的听课学习笔记，包括讲义截取、知识点记录、注意事项等细节的标注。 目录如下： 第一章 SV环境构建常识 1 1.1 数据类型 1 四、二值逻辑 4 定宽数组 9 foreach 13 动态数组 16 队列 19 关联数组 21 枚举类型 23 字符串 25 1.2 过程块和方法 27 initial和always 30 func
AutoSAR标准协议4.2.2
浏览：23
5星 · 资源好评率100%
AutoSAR标准协议规范4.2.2，里面包含了AutoSAR组织所规定的AutoSAR架构的标准规范协议原文档。对AutoSAR的学习有一定的借鉴意义
收起资源包目录
MNIST_MLP-main.zip
（3个子文件）
MNIST_MLP-main
LICENSE
1KB
README.md
76B
MLP.ipynb
40KB
共 3 条
1
评论
收藏
内容反馈
立即下载
资源评论
资源反馈
评论星级较低，若资源使用遇到问题可联系上传者，3个工作日内问题未解决可申请退款~
联系上传者
评论
GDMS
粉丝: 31
资源:
4529
私信
上传资源 快速赚钱
我的内容管理
展开
我的资源
快来上传第一个资源
我的收益
登录查看自己的收益
我的积分
登录查看自己的积分
我的C币
登录后查看C币余额
我的收藏
我的下载
下载帮助
前往需求广场，查看用户热搜
最新资源
idea下划线转驼峰插件
gcc+makefile你必须懂得前提知识
AK手机最新版.apk
简单的学生信息管理系统
数据库课程设计-企业员工培训管理系统.doc
spy++ 17.0.34511.75 VS2022 提取 32/64位
蓝牙测试软件-HC-05AT测试版
三维装箱的概要介绍与分析
虚拟棋盘的概要介绍与分析
MATLAB最优化计算源代码.zip
资源上传下载、课程学习等过程中有任何疑问或建议，欢迎提出宝贵意见哦~我们会及时处理！
点击此处反馈
安全验证
文档复制为VIP权益，开通VIP直接复制
信息提交成功
