一、kNN算法分析 K最近邻（k-Nearest Neighbor，KNN）分类算法可以说是最简单的机器学习算法了。它采用测量不同特征值之间的距离方法进行分类。它的思想很简单：如果一个样本在特征空间中的k个最相似（即特征空间中最邻近）的样本中的大多数属于某一个类别，则该样本也属于这个类别。 &nbs
应用场景 对于简单的数字型验证码的自动识别。前期已经完成的工作是通过切割将验证码图片切割成一个一个的单个数字的图片，并按照对应的数字表征类别进行分类（即哪些图片表示数字7，哪些表示8），将各种数字的图片转换成32×32的二值矩阵，并存放在.txt中，每一种数字表示所对应的.txt的文件名为：“数字类标号_序号.txt”。取一部分这样的.txt作为已知样本集，另一部分作为验证集。使用最邻近算法KN
转载
2024-10-23 09:40:15
53阅读
一、前期工作1. 检查是否有可用的gpuimport tensorflow as tf
print("Num of GPUs available: ", len(tf.test.gpu_device_name()))2. 导入数据# 导入数据
import tensorflow as tf
from tensorflow.python.keras import datasets, layers,
第七章 贝叶斯分类器学习
1. 解释先验概率、后验概率、全概率公式、条件概率公式，结合实例说明贝叶斯公式，如何理解贝叶斯定理？ 例子：假设有一个容器，里面装满了可能有偏见的硬币 1）硬币类型1是公平的，50%正面/ 50%反面浴缸里40%的硬币是1型的。 2） 硬币类型2产生70%的正面。35%的硬币是2型硬币 3）型硬币产生20%的正面。25%的硬币
转载
2024-08-19 16:37:00
62阅读
从这篇文章开始，终于要干点正儿八经的工作了，前面都是准备工作。这次我们要解决机器学习的经典问题，MNIST手写数字识别。首先介绍一下数据集。请首先解压：TF_Net\Asset\mnist_png.tar.gz文件 文件夹内包括两个文件夹：training和validation，其中training文件夹下包括60000个训练图片validation下包括10000个评估图片
实现mnist手写数字识别
原创
精选
2024-04-01 14:10:36
198阅读
Keras是一款特别友好的基于Python的深度学习库，甚至比Tensorflow还友好。关于Keras的介绍和配置，可以看我之前的文章Keras的介绍与配置，也可以直接查看官网中文文档接下来我们要做被誉为机器学习届的Hello World的手写数字识别。真的掌握了这个，就已经把Keras掌握得七七八八了。剩下的就是算法方面的问题了。我们知道，机器学习的工作，比起别的编程工作，有两个特别大的痛点。
转载
2024-04-01 13:42:36
49阅读
实验说明一直想自己写一个神经网络来实现手写数字的识别，而不是套用别人的框架。恰巧前几天，有幸从同学那拿到5000张已经贴好标签的手写数字图片，于是我就尝试用matlab写一个网络。实验数据：5000张手写数字图片（.jpg)，图片命名为1.jpg,2.jpg…5000.jpg。还有一个放着标签的excel文件。数据处理：前4000张作为训练样本，后1000张作为测试样本。图片处理：用matlab的
一、MNIST数据集介绍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，这个数据集都会作为深度学习的入门样例。下面大致介绍这个数据集的基本情况，并介绍tensorflow对MNIST数据集做的封装。tensorflow的封装让使用MNIST数据集变得更加方便。MNIST数据集是NIST数据集的一个子集，它包含了60000张图片作为训练数据，10000张图片作为测试数据。在MNIS...
原创
2021-08-12 22:04:10
474阅读
官方文档： MNIST For ML Beginners - https://.tensorflow.org/get_started/mnist/beginners Deep MNIST for Experts - https://.tensorflow.org/get_started/
转载
2018-05-22 23:13:00
348阅读
2评论
根据可用设备（GPU 或 CPU）实例化模型，然后定义损失函数（交叉熵损失）和优化器（SGD），用于模型的训练更新。python运行lr = 0.01。
之前我们讲了神经网络的起源、单层神经网络、多...
转载
2018-05-08 20:44:00
240阅读
2评论
在本专栏第十篇记录过CNN的理论，并大致了解使用CNN+残差网络训练MNIST的方式
原创
2022-08-23 14:38:22
383阅读
初次是根据“支持向量机通俗导论（理解SVM的三层境界）”对SVM有了简单的了解。总的来说其主要的思想可以概括为以下两点（也是别人的总结）1、SVM是对二分类问题在线性可分的情况下提出的，当样本线性不可分时，它通过非线性的映射算法，将在低维空间线性不可分的样本映射到高维的特征空间使其线性可分，从而使得对非线性可分样本进行线性分类。2、SVM是建立在统计学习理论的 VC理论和结构风险最小化原理基础上的
转载
2024-09-18 16:00:04
75阅读
本课题要研究或解决的问题和拟采用的研究手段（途径）：本课题研究应用机器学习构建能够识别手写数字的预测模型，并搭建基于SVM的手写数字预测系统，正确识别手写图像数据集中的数字。使用计算机视觉领域的“hello world”数据集MNIST，本系统的一般原理为:首先把数字图像经过预处理，然后得到的数据进行特征提取或不用进行特征提取就可以直接输入系统进行识别得到结果。 手写数字识别一共有10类样本，是属
转载
2024-09-11 17:49:40
13阅读
使用labelImg训练模型并用yolo3进行识别的工作流程
1.参考上一篇博客2.下载yolov3项目工程。https://github.com/pjreddie/darknet3.修改Makefile文件（文件就在下载的darknet文件夹内）GPU=1 #使用GPU训练，其他的没有用，所以没有置为1，可根据自己的需要调整
CUDNN=1
OP
转载
2024-01-19 15:54:00
87阅读
网络结构
代码
import torch
import torch.nn as nn
import torch.nn.functional as F
import torch.optim as optim
from torchvision import datasets, transforms
batch_size=200
learning_rate=0.01
epochs=10
# 下载
转载
2021-04-26 22:01:00
249阅读
2评论
文章目录Step1：数据准备Step2：网络配置2.1 定义多层感知器2.2 定义数据层2.3 获取分类器2.4 定义损失函数和准 型训练曲线3.4 训练并保存模型Step5：模型预测5.2 ...
原创
2022-04-22 14:39:08
838阅读
本节基于MNIST数据集，实现CNN学习过程。im
原创
2019-02-15 15:35:04
148阅读
手写数字识别Mnist的Pytorch实现注：该内容为校内课程实验，仅供参考，请勿抄袭！ 源码地址：Gray-scale-Hand-Written-Digits-Pytorch一、引言（Introduction） 手写数字识别时经典的图像分类任务，也是经典的有监督学习任务，经常被用于测试图像的特征提取效果、分类器性能度量等方面，本文将通过应用机器学习和深度学习算法实现手写数字识别。
原创
2022-12-22 02:29:32
607阅读
