在TensorFlow实现手写数字的识别这篇博客中，介绍了通过TensorFlow构造一个神经网络来实现手写数字的识别，最后通过MNIST数据集，最后在测试集的识别率大约为91%左右。这篇博客主要对这个程序训练的模型进行优化和准确率的提升。在原来的基础上，增加了指数衰减学习率、L2正则化以及滑动平均模型的应用，关于这三种方式在之前的博客已经介绍过了。一、TensorFlow相关函数sparse_s
《深度学习入门》第3章实战：手写数字识别 文章目录前言一、一点介绍二、完整代码三、导入数据集的一个小问题 前言笔者最近阅读了《深度学习入门——基于Python的理论与实现》这本书的第三章，章节最后刚好有个手写数字识别的实战内容，于是就照着书本内容写了程序跑了一下，在此做个记录。`一、一点介绍这个手写数字识别的小案例，采用的是3层神经网络来实现的。需要说明的是，在这个小案例中，神经网络还不具备“学习
转载
2024-04-25 14:13:23
205阅读
LeNet简介LeNet-5出自论文Gradient-Based Learning Applied to Document Re
转载
2022-11-10 14:38:05
259阅读
本文目录介绍导入相关库定义 LeNet-5 网络结构下载并配置数据集和加载器定义损失函数和优化器定义训练函数并训练和保存模型可视化展示预测图加载现有模型（可选） 介绍使用到的库：Pytorchmatplotlib安装：pip install matplotlibPytorch 环境配置请自行百度。数据集： 使用 MNIST 数据集(Mixed National Institute of Stan
转载
2024-09-23 20:07:27
76阅读
今天来从头自己搭一个非常简单的卷积网络，使用的数据集是MNIST. MNIST应该算是一个被用烂了的数据集了，非常非常适合初学，数据量比较小，数据处理、训练和预测的时间都比较短，可以很好地用于把控网络搭建的整个过程。0x01 数据和自定义函数的准备MNIST数据集的下载地址是http://yann.lecun.com/exdb/mnist/ ，可能稍微有一点点慢，有耐心即可。一共有四个文件：文件名
pytorch搭建手写数字识别LeNet-5网络，并用tensorRT部署前言1、pytorch 搭建LeNet-5，并转为ONNX格式1.1 LeNet-5网络介绍1.2 ONNX(Open Neural Network Exchange)介绍1.3 pytorch 搭建 LeNet5网络2、将onnx转为tensorRT2.1 tensorRT 介绍2.1 onnx 转为 tensorRT3
本篇解读了基于BERT+CRF做中文NER这篇文章中的代码，在该篇作者的GitHub上可以下载源码：源代码。这段代码对BERT模型的实现较为简洁，删掉了谷歌源代码中我们可能用不到的部分，保留了核心部分。对于那些想要快速上手BERT的同学是非常好的学习机会，在看懂这个之后再去学习谷歌的源代码会更加轻松，本篇将尽量详细的对代码进行解读，看完之后如果有合适的数据集就可以自己运行起来了，建议先从原作者的G
https://www.kaggle.com/kakauandme/tensorflow deep nn 本人只是负责将这个kernels的代码整理了一遍，具体还是请看原链接 import numpy as np import pandas as pd import tensorflow setti
原创
2021-07-16 11:03:12
379阅读
主要介绍tensorflow.keras 的两个模型参考 Tensorflow、Keras 官方文档进行学习和整理Tensorflow 基础知识讲解 Gitee 地址Tensorflow 基础知识讲解 Github 地址Sequential 顺序模型创建模型： model = tf.keras.Sequential()model.complie() 编译函数用于配置训练模型compile(opti
文章目录图片及打标数据文件内容生成tfrecord训练开始 tensorflow图像识别-1 labelimgTensorflow图像识别-2 试一下识别Tensorflow图像识别-3 训练，笔记本要退休的感觉Tensorflow图像识别-4 应用玩黑苹果，系统搞崩了。又重装了。。因此，我models的路径直接扔到了d盘。D:\projects\models\research虚拟环境没弄
我的目标是用tensorflow实现视频质量诊断，但是馒头还是需要一个一个吃，先从工程应用的角度实现用python训练手写字，并在C#中调用识别自己写的手写字。思路如下：使用lenet网络训练完数据后，保存为pb，再通过tensorflowsharp调用pb实现对数字的识别。通过一天的尝试终于可以把手写字保存为pb，并成功调用pb实现数字识别。""" Convolutional ...
原创
2021-07-12 11:47:26
237阅读
import tensorflow as tffrom tensorflow import kerasfashion_mnist=keras.datasets.fashion_mnist(train_images,train_labels),
原创
2022-05-17 12:46:06
119阅读
按照惯例，我还是会将实现过程详细的记录下来，并将源码放在github上，敬请关注。原计划写一写生成对抗网络(GAN)的，因为有了这样一个小目标，只能先暂时放一放。OCR首先来说一说OCR(Optical Character Recognition，光学字符识别)。OCR是指电子设备（例如扫描仪或数码相机）检查纸上打印的字符，通过检测暗、亮的模式确定其形状，然后用字符识别方法将形状翻译成计算机文字的
【人工智能项目】MNIST手写体识别实验及分析1.实验内容简述1.1 实验环境本实验采用的软硬件实验环境如表所示：在Windows操作系统下，采用基于Tensorflow的Keras的深度学习框架，对MNIST进行训练和测试。采用keras的深度学习框架，keras是一个专为简单的神经网络组装而设计的Python库，具有大量预先包装的网络类型，包括二维和三维风格的卷积网络、短期和长期的网络以及更广
一、mnist数据描述MNIST数据集是28×28像素的灰度手写数字图片，其中数字的范围从0到9具体如下所示（参考自Tensorflow官方文档）：二、原理 受Hubel和Wiesel对猫视觉皮层电生理研究启发，有人提出卷积神经网络（CNN），Yann Lecun 最早将CNN用于手写数字识别并一直保持了其在该问题的霸主地位。近年来卷积神经网络在多个方向持续发力，在语音识别、人脸识别、通用物体识
转载
2024-04-04 09:40:52
63阅读
手写数字识别手写数字识别是指使用计算机自动识别手写体阿拉伯数字的技术。作为光学字符识别OCR的一个分支，它可以被广泛应用到手写数据的自动录入场景中。传统的识别方法如最近邻算法k-NN、支持向量机SVM、神经网络NN等，对复杂分类问题的数学函数表示能力以及网络的泛化能力有限,往往不能达到很高的识别准确率，而卷积神经网络CNN的应用可以大大提高识别精度。卷积神经网络最初由美国学者Cun等提出,是一种层
# import the necessary packagesfrom keras import backend as Kfrom keras.models import Sequentialfrom keras.layers.convolutional import Conv2Dfrom keras.layers.convolutional import MaxPooling2Dfro...
转载
2023-01-13 00:19:04
44阅读
运用卷积神经网络 实现手写数字识别1 算法分析及设计卷积神经网络：图1-2 如图1-2，卷积神经网络由若干个方块盒子构成，盒子从左到右仿佛越来越小，但却越来越厚；最左边是一张图像，最右边则变成了两排园圈。其实，每—个方块都是由大量神经元细胞构成的，只不过它们排成了立方体的形状。左边图像上的每个元素相当于
转载
2024-10-25 13:10:53
125阅读
概述TensorFlow读取数据，官网介绍的方法有3种:预加载数据 (Preloaded data)： 在Graph中定义常量或变量来保存数据。供给数据 (Feeding)： 在Graph运行中将Python代码产生好的数据供给TF后端。 从文件读取数据 (Reading from file)： 在Graph的起始， 利用输入管线直接从文件中读取数据(最常用)。看官网上这么写，还是不太清
转载
2024-05-29 07:02:54
48阅读
在这篇博文中，我将详细记录如何利用 PyTorch 实现 LeNet 网络来识别手写数字。实现这一目标的过程中，我们将经历一系列重要的步骤，包括背景定位、演进历程、架构设计、性能攻坚、故障复盘等，最终达成有效的手写数字识别解决方案。
### 背景定位
在现代数字化社会，手写数字的识别技术被广泛应用于自动化文档处理、票据识别和银行业务等场景。在这些业务场景中，能够精准、高效地识别手写数字不仅能够
