卷积神经网络CNN进行图像分类

利用卷积神经网络对轴承故障数据进行分类，通过构造简单的卷积神经网络，达到良好的识别分类效果

文字cnn 该代码实现了模型的。 图1:用于句子分类的CNN架构图 要求 Python 3.6 TensorFlow 1.4 (Singleton Config) tqdm 要求 项目结构 通过初始化

利用深度神经网络进行基本图像分类 此代码在colab已经经过测试并且可以查看TensorBoard:地址 环境:Tensorflow-2.1.0、Python3.6、google colab In[1

emnist:使用卷积神经网络对EMNIST数字进行分类

介绍了卷积神经网络原理，包括卷积神经网络的基本结构和基本模型。信号卷积、线性滤波等

第一章回顾了理解卷积神经网络的动机；  第二章阐述了几种多层神经网络 ，并介绍当前计算机视觉领域应用中最成功的卷积结 构；  第三章具体介绍了标准卷积神经网络中的各构成组件 ，并从生物学和理论两个

卷积神经网络CNN代码解析，对MATLAB-deeplearningmaster工具箱的例子进行了说明。

这个主要是CNN的推导和实现的一些笔记，再看懂这个笔记之前，最好具有CNN的一些基础。

打包文件包括mnist数据集，CNN代码，功能是：搭建简单的卷积神经网络训练mnist数据集

深度卷积神经网络CNN的Theano实现（lenet），还包括一个单独的卷积层网络