PyTorch使用MNIST数据集创建CNN

Tiny_cnn训练数据集

用于TensorCNN训练的花的数据集和已经训练好模型的压缩包

基于CNN的笑脸识别,并在此基础上进行口罩识别。(仿照猫狗识别),需要训练模型的数据集,该数据集需要自己进行分类,mask和nomask的。

资源实现了多种适合MNIST数据集的CNN网络,包含自己设计的DenseCNN,著名的LeNet5、AlexNet、ZFNet和VGGNet16。实验结果的可视化包含损失和准确度随迭代次数的变化。模型

1.CK数据集-ck，ck+表情识别 2.cnn文本分类-cnews 注释：百度云链接

针对卷积神经网络Lenet模型开发的图像分类数据集。

目录写在前面:一:查看fer2013数据集(cvs格式)二:使用Pandas读取csv三:使用cv2查看其中一张图片四:将数据集划分五:将数据转换为数组(array)格式,否则keras会报错六:使用

CNN对Cifar10进行分类，初始算法准确度为79%； 第二种使用图像加强，精确度可到84%左右； 第三种使用正则化第四种使用双CPU，精确度提升到86%。

手写识别的简单cnn版本和复杂cnn版本的实现，代码简单，附带数据集包

基于tensorflow的CNN的MNIST数据集，里面包含测试集和训练集，方便对应文章上的数据进行对比