《深度学习的数学》神经网络的python实现 《深度学习的数学》4-4节使用了excel实现了一个小的0-1识别器。自己写了一个python版的实现。 需要指出的是： 1 大部分涉及到的矩阵都是行代表样本（64个），列代表神经元；权重矩阵的话列代表本层神经元，行代表上层神经元。这样权重矩阵可能会根excel表中的正好反着。后面算偏导数的时候通过矩阵乘法直接算出来最后的结果，不用向excel里面一样
转载
2023-11-28 13:00:54
92阅读
体系化数学讲解及Excel实现NN神经网络全流程当下神经网络及其应用都非常受欢迎，但是大多数人用的神经网络多是一个库或者选择一段开源代码，对于其中的数学基础以及其中的架构知之甚少，这次我们就通过讲解所有神经网络的数学公式以及通过数学公式在办公软件Excel上实现对数字的识别。讲解数学公式部分我就不用latex来打，因为时间实在不够，全程采用书写,Excel文件会上传到博客资源中提供下载。我们这次的
转载
2024-04-07 20:19:30
326阅读
【Tensorflow】自制数据集–神经网络八股功能扩展0.自制数据集，解决本领域应用1.数据增强，扩充数据集2.断点续训，存取模型3.参数提取，把参数存入文本4.acc/loss可视化，查看训练效果5.应用程序，给图识物0.1 自制数据集，解决本领域应用数据集中的图片均为黑底白字，像素点为28x28的灰度图，训练用的数据集mnist_train_ipg_60000中有60000张图片，测试用的数
转载
2023-11-12 18:49:19
437阅读
数据集采用的是手写数据集（http://yann.lecun.com/exdb/mnist/）：本文构建的CNN网络图如下： 像素点：28*28 = 784，55000张手写数字图片。 # -*- coding: UTF-8 -*-
import numpy as np
import tensorflow as tf
# 下载并载入 MNIS
转载
2023-12-26 20:57:30
321阅读
#加载TF并导入数据集 import tensorflow as tf from tensorflow.contrib import rnn from tensorflow.examples.tutorials.mnist import input_data mnist = input_data.read_data_sets("E:\\MNIST_data\\", one_hot=True) ...
转载
2019-05-14 16:41:00
97阅读
2评论
神经网络基础神经网络可以当做是能够拟合任意函数的黑盒子，只要训练数据足够，给定特定的x，就能得到希望的y，结构图如下： 将神经网络模型训练好之后，在输入层给定一个x，通过网络之后就能够在输出层得到特定的yRNNRNN（Recurrent Neural Network）是一类用于处理序列数据的神经网络。首先我们要明确什么是序列数据，摘取百度百科词条：时间序列数据是指在不同时间点上收集到的数据，这类数
转载
2023-08-25 15:55:56
250阅读
本文主要内容包括： (1) 介绍神经网络基本原理，(2) AForge.NET实现前向神经网络的方法 。 第0节、引例 本文以Fisher的Iris数据集作为神经网络程序的测试数据集。Iris数据集可以在http://en.wikipedia.org/wiki/Iris_flower_data_set&n
转载
2023-06-14 17:00:55
115阅读
这里我们会用 Python 实现三个简单的卷积神经网络模型：LeNet 、AlexNet 、VGGNet，首先我们需要了解三大基础数据集：MNIST 数据集、Cifar 数据集和 ImageNet 数据集三大基础数据集MNIST 数据集 MNIST数据集是用作手写体识别的数据集。MNIST 数据集包含 60000 张训练图片，10000 张测试图片。其中每一张图片都是 0
转载
2024-01-29 08:44:05
109阅读
目录1. 数据分类1.1数据在平时一般分成两类来训练：1.2 数据的划分常用方法2.神经网络调参2.1 数据扩增2.2数据预处理2.3 控制卷积核和池化的大小2.4 学习率2.5 调整激活函数 1. 数据分类1.1数据在平时一般分成两类来训练：训练集（Train Set）：模型用于训练和调整模型参数验证集（Validation Set）：用来验证模型精度和调整模型超参数一般在比赛中会涉及测试集测
转载
2023-12-06 18:30:38
115阅读
文章目录四、神经网络的学习1.损失函数2.损失函数的意义3.数值微分4.梯度法5.学习算法的实现 四、神经网络的学习这一章通过两层神经网络实现对mnist手写数据集的识别，本文是源于《深度学习入门》的学习笔记 若理解困难，参考上一章笔记：深度学习入门-从朴素感知机到神经网络 本文部分数学公式函数用代码实现了，另一些代码在此：数学公式函数1.损失函数表示神经网络性能的“恶劣程度”的指标。1.1均方
转载
2023-10-26 12:19:36
136阅读
分为四部分：1.准备数据集 2. 设计模型 3. 构建损失函数和优化器，4. 训练 5. 测试验证from pathlib import Path
import requests
#加载数据集
DATA_PATH = Path("data")
PATH = DATA_PATH / "mnist"
PATH.mkdir(pa
转载
2023-08-06 00:34:13
163阅读
深层神经网络 前面一章我们简要介绍了神经网络的一些基本知识，同时也是示范了如何用神经网络构建一个复杂的非线性二分类器，更多的情况神经网络适合使用在更加复杂的情况，比如图像分类的问题，下面我们用深度学习的入门级数据集 MNIST 手写体分类来说明一下更深层神经网络的优良表现。MNIST 数据集mnist 数据集是一个非常出名的数据集，基本上很多网络都将其作为一
转载
2023-09-05 18:46:31
197阅读
MNIST数据集 MNIST数据集是分类任务中最简单、最常用的数据集。人为的手写了0-9数字的图片，图片大小为28*28*1 MNIST大概有7w张(6w训练集，1w测试集，5000 val集)MNIST数据值都是灰度图，所以图像的通道数只有一个因为MNIST数据集是专门为深度学习来的，所以其数据集格式和我们常见的很不
转载
2023-10-08 14:26:41
164阅读
1、数据集基本概念 训练集：是模型G实际接收到的数据。通常来说，为了使模型能在未知数据上表现得更好（也就是所谓的“泛化能力”更好），通常只会读取数据集的一部分作为训练集。 交叉验证集：是模型G“能看不能用”的数据。具体而言，G使用训练集来训练，并会时不时观察一下它在交叉验证集上的表现来决定是否继续训练，以及是否需要调节它自身的设置。 测试集：是用来评估G的性能的数据，是G“看不到”的数据。具
转载
2023-08-04 22:12:55
932阅读
使用Fashion-MNIST数据集训练神经网络对数据集中的图片进行分类 pytorch: 1.4.0 Fashion-MNIST 是一个替代原始的MNIST手写数字数据集的另一个图像数据集。 它是由Zalando（一家德国的时尚科技公司）旗下的研究部门提供。其涵盖了来自10种类别的共7万个不同商品的正面图片(口红
转载
2023-12-13 07:44:00
98阅读
文章目录前言一、Fashion-MNIST是什么？二、代码实现1.引入库2.读取数据集3.数据预处理4.搭建神经网络5.编译和训练神经网络模型6.神经网络预测总结 前言 每个想要学习深度学习、图像识别的同学，想要用到神经网络，入门的实例必定是MNIST手写数字集，这是所有人都绕不开的，我也是，我之前写了三篇关于MNIST的博文。en…但这个数据集毕竟只有手写数字，有时候并不是能够满足我们开发
转载
2023-11-27 09:28:54
71阅读
随着人工智能的兴起，机器学习(ML)和深度学习(DL)得到了迅速发展，并应用于计算机视觉(CV)、自然语言处理(NLP)、推荐等诸多领域。一些研究已经发展出将ML/DL应用于社交网络、社区分类、脑网络分析等网络任务的方法。在这些任务中，数据由图G(V,E)表示，其中V是节点的集合，E是边的集合:节点表示数据点，边表示节点之间的连接。图数据集上的ML/DL是一项新的研究课题，有许多方面需要研究。因此
一、MNIST数据集简介MNIST数据集是NIST（National Institute of Standards and Technology，美国国家标准与技术研究所）数据集的一个子集，为手写数字数据库，由60000个例子组成的训练集，以及一个由10000个例子组成的测试集。对于想上尝试学习技术和模式识别方法的人来说，这是一个很好的数据库，在预处理和格式化方面花费的精力最少。MNIST 数据集
转载
2023-11-06 21:57:58
185阅读
1 案例说明（图卷积神经网络）CORA数据集里面含有每一篇论文的关键词以及分类信息，同时还有论文间互相引用的信息。搭建AI模型，对数据集中的论文信息进行分析，根据已有论文的分类特征，从而预测出未知分类的论文类别。1.1 使用图卷积神经网络的特点使用图神经网络来实现分类。与深度学习模型的不同之处在于，图神经网通会利用途文本身特征和论文间的关系特征进行处理，仅需要少量样本即可达到很好的效果。1.2 C
转载
2023-11-08 10:00:59
146阅读
本章目录利用神经网络来识别手写数字感知机Sigmoid神经元神经网络的结构用一个简单的网络来分类手写数字用梯度下降来学习实现我们用来分类数字的网络靠近深度学习 利用神经网络来识别手写数字人类的视觉系统是这个世界上最奇妙的事物之一。 请考虑下面这一串手写数字：大多数人都会毫无压力的识别出这串数字是504192。这种轻松其实是带有欺骗性的。在我们大脑的每个半面，人类都有一个主要的视觉皮质层，叫做V1
转载
2023-11-30 10:24:59
158阅读
