本博客将建立一个简单的卷积神经网络，可以把MNIST手写字符的识别准确率提高到99%。具体如下：程序的开头是导入TensorFlowimport tensorflow as tf
import numpy as np
import os
os.environ["CUDA_VISIBLE_DEVICES"] = "0"#指定GPU
#从tensorflow.examples.tut
转载
2024-04-08 21:52:40
37阅读
bp神经网络实现手写数字识别，数据集：sklearn自带的digits.data,由1797个8x8像素矩阵组成，digits.target里为其标签，即0-9 BP网络训练参数训练次数20000神经网络层数64-100-10激活函数sigmoid输入数据（个数，维度）1，8x8输出数据（个数，维度）1，8x8训练集（个数，维度）1348，8x8测试集（个数，维度）449，8x8整体步骤如下：
转载
2023-11-09 00:19:18
502阅读
目录写在前面的一些内容一、基于LeNet实现手写体数字识别实验1. 数据数据预处理2. 模型构建3. 模型训练4. 模型评价5. 模型预测二、基于残差网络的手写体数字识别实验？三、实验Q&A 写在前面的一些内容本文为HBU_神经网络与深度学习实验（2022年秋）实验7的实验报告，此文的基本内容参照 [1]Github/卷积神经网络-上.ipynb 的基于LeNet实现手写体数字识别实验和
转载
2024-01-15 09:16:26
101阅读
目录1.导入工具库2.数据情况总览3. 数据展示4.定义用于训练的网络5.使用训练的模型做一个测试目标：使用TensorFlow实现一个简单的手写数字识别网络，并用这个网络来做个简单的识别示例设计知识：dropout、learningrate decay、初始化等。将网络最终在validation数据上的得分尽可能的提高。1.导入工具库import numpy as np
import tenso
转载
2023-07-04 11:45:45
147阅读
第一次写机器学习的文章。学完反向传播（BP算法）后做一个小实验来巩固一下，从最基本的实现到最后的优化，实验过程中遇到很多坑，比如超参数的设定，比如每种任务适合的输出函数和相应的损失函数。一度因为选择不恰当的学习率，神经元数目和激活函数而训练出人工智障。代码采用纯C/C++完成，未采用向量运算。本文不过多讨论算法原理方面内容，主要用于记录实验过程。一. 在实现手写数字识别之前，先练习一个小任务，用神
转载
2024-01-29 12:14:06
60阅读
本篇基于Tensorflow 1.0进行神经网络创建和MNIST手写体识别训练 Tensorflow 1.0 的安装和通过机器学习实现MNIST手写体识别Tensorflow实现MNIST手写体识别前置条件import tensorflow as tf
import tensorflow.examples.tutorials.mnist.input_data as input_data
from
转载
2023-11-27 07:06:15
80阅读
手写体数字的识别种类虽然比汉字、字母少很多，但是由于本文提到的那些难点，且其应用领域也必将会拓展到金融、税务等以数字为主的各行业中，数字识别必将要提高到一定准确率，因此，提高单个数字的识别率，降低拒识率和误识率仍然是研究者们
原创
2022-11-12 18:33:29
3496阅读
# 卷积神经网络手写体识别
## 引言
手写体识别是计算机视觉领域的一个重要任务，它可以应用于数字识别、自动化检测等多个领域。卷积神经网络（Convolutional Neural Network, CNN）是一种深度学习模型，被广泛用于图像识别任务。本文将介绍卷积神经网络手写体识别的原理和实现方法，并提供代码示例。
## 卷积神经网络
卷积神经网络是一种由多个卷积层、池化层和全连接层组成
原创
2023-08-31 03:44:32
149阅读
前言 神经网络是一种很特别的解决问题的方法。本书将用最简单易懂的方式与读者一起从最简单开始，一步一步深入了解神经网络的基础算法。本书将尽量避开让人望而生畏的名词和数学概念，通过构造可以运行的Java程序来实践相关算法。 这一章节我们将会解决一个真正的问题：手写字体识别。我们将识别像下面图中这
转载
2024-01-25 20:30:20
61阅读
前言手写数字识别，现在算是个比较成熟的应用。从1998年到目前为止，发表了很多关于MNIST手写数字识别的论文。从这里也能看到这个领域的研究进展。’识别率’是衡量识别方法优劣的唯一指标。 手写数字识别中识别方法现在流行的有3种：人工神经网络（ANN）、支持向量机（SVM）、隐马尔科夫模型（HMM）；可以看出，在线性分类器，KNN，SVM，NN和CNN中，最初是SDAE成功应用的一个领域，
基本介绍软件：Matlab R2018b数据集：MNIST手写体数字数据集网络：自建简单网络数据准备MNIST数据集还挺有名的，这里就不过多介绍了。数据集本身读取格式官网有给，怎么转换成图片格式网上也有很多，这里不再赘述。 官网：http://yann.lecun.com/exdb/mnist/训练集包含60000个示例，测试集包含10000个示例。测试集的前5000个示例来自原始的NIST训练集
转载
2023-09-16 06:25:07
105阅读
笔记1中我们利用 numpy 搭建了神经网络最简单的结构单元：感知机。笔记2将继续学习如何手动搭建神经网络。我们将学习如何利用 numpy 搭建一个含单隐层的神经网络。单隐层顾名思义，即仅含一个隐藏层的神经网络，抑或是成为两层网络。 继续回顾一下搭建一个神经网络的基本思路和步骤：定义网络结构（指定输出层、
转载
2023-08-29 17:45:05
60阅读
任务描述首先学习CNN,在对CNN和深度学习有足够了解后，选择任务题材。 我选择的是AlexNet和resnet模型做图像分类。框架统一采用TensorFlow，数据集我选择MNIST手写体数据集。准备工作主要包括对TensorFlow的安装和对数据集的下载。安装TensorFlow方法一：直接安装使用python，用如下指令即可。 缺点：不能选择版本，TensorFlow 2和TensorFlo
转载
2024-01-11 20:09:37
120阅读
目录实验六 卷积神经网络CNN框架的实现与应用一、实验目的二、实验原理三、实验结果1、调整学习率、epochs以及bacth_size这三个参数，分别观察参数的变化对于实验结果的影响。2、最终的实验结果3、采用3折交叉验证四、实验总结1、CNN算法步骤2、设计程序流程图3、试分析mnist数据集X_train、X_test以及相对应的Y_train、Y_test。4、交叉验证及衡量指标部分代码：5
转载
2023-11-27 10:08:03
351阅读
文章目录前言代码实现:1、导入所需模块，并输出torch版本2、导入MNIST的训练集和测试集3、将数据集按批次加载到DataLoader，batch_size 设置为324、随机展现10张训练集中的图片，并同时显示标签和灰度图5、构建一个线性模型“MNISTModelV0”类6、基于“MNISTModelV0”，以SGD作为优化器，以批次为单位对网络进行训练，每个Epoch打印训练过程，训练结
转载
2023-12-01 15:50:38
91阅读
最近几天学习了机器学习里面的神经网络，接触到了卷积神经网络，根据老师给的学习视频进行了一个简单的复现。首先我们先进行数据集的加载（第一次下载可能需要一些时间，要联网下载数据集）我们设置了一个batch_size为100的批次import tensorflow as tf
# Tensorflow提供了一个类来处理MNIST数据
from tensorflow.examples.tutorials.
转载
2023-12-10 08:11:30
107阅读
第一次写博客，可能写的比较乱，请不要在意。做个介绍，本程序是我的毕业设计内容，主要任务是使用神经网络识别出一行字符，包括汉字、字母和标点符号，印刷体和手写的字符都可以识别，测试结果在下面。我的训练显卡是GTX TITAN Xp （12GB）我的训练程序架构由预处理函数 + 三层卷积神经网络（CNN）+ 一层全连接层 + 二层双向长短期记忆网络（BLSTM） + 一层全连接层 + CTC函数组成，编
转载
2023-11-30 18:17:54
45阅读
TensorFlow实现：基于TensorFlow构建CNN识别MNIST数字一、前言本文通过Python构建CNN（卷积神经网络）体系，对mnist（手写数字图片）进行识别，手写数字是从0到9，数据分为60000条训练集，10000条测试集。二、卷积神经网络搭建卷积神经网路与普通神经网络，最大的区别是其主要以卷积层和池化层为主，而普通神经网络主要以全连接层为主。卷积层和池化层不仅学习到数据的空间
转载
2023-07-31 00:44:07
282阅读
CNN：卷积： 对图像（不同的数据窗口数据）和滤波矩阵（一组固定的权重：因为每个神经元的多个权重固定，所以又可以看做一个恒定的滤波器filter）做内积（逐个元素相乘再求和）的操作就是所谓的『卷积』操作，也是卷积神经网络的名字来源。卷积神经网络INPUT（输入层）——CONV（卷积层）——RELU（激活函数）——POOL（池化层）——FC（全连接层）卷积层： &nb
转载
2023-12-19 23:46:53
45阅读
0，引言 MNIST 是一个非常有名的手写体数字识别数据集，在很多资料中，这个数据集都会被用作深度学习的入门样例。本文将介绍利用神经网络技术解决在MNIST数据集上的手写体数字识别问题。代码主要参考郑泽宇等著《TensorFlow实战Google 深度学习框架》一书（MNIST数据集下载地址）。1，环境配置（1）PyCharm Edition（下载地址：http://www.jetbra
转载
2023-12-18 19:17:01
61阅读
