该资源以jupyternotebook为编辑器,使用tensorflow为框架,实现了对Mnist手写数据集的识别。压缩包中包括在jupyternotebook中可以打开和运行的源代码MNIST.ip
基于MATLAB(2016)的手写数字识别系统,对手写数字进行特征提取等预处理,使用BP神经网络对特征进行训练,得到模型后分别对手写数字图片和视频进行识别,附有详细的手打注释
用神经网络实现的数字识别,包括手写输入部分,非常实用
在网页端手写数字,然后提交服务器端识别,服务器端使用python,分别有paddle和TensorFlow两个模型识别
写在前面 其实我之前写过一个简单的识别手写数字的程序,但是因为逻辑比较简单,而且要求比较严苛,是在50×50大小像素的白底图上手写黑色数字,并且给的训练材料也不够多,导致准确率只能五五开。所以这一次准
本课题主要的研究的工作基于TensorFlow深度学习框架,,并完成一个完整手写体数字识别系统。本课题中对卷积神经网络模型结构,手写MINIST的60000个样本进行学习,对10000个样本的测试对比
手写数字识别数据集,压缩包内包含四个压缩文件:t10k-images-idx3-ubyte.gz t10k-labels-idx1-ubyte.gz train-images-idx3-uby
本科毕设论文,CNN实现的手写数字集,改自Matlab的深度学习工具箱,有较详细的中文注释!代码等见论文
非常全面,可以轻松解决您需要解决的问题,尽量下的全面一点
基于卷积神经网络CNN的手写数字识别,支持训练与测试