mnist_recognize_2.py

mnist手写体数据集识别,使用keras,最基础的方法进行的,准确率测试达到86%左右,是本文使用的代码

使用python进行人脸识别。获取用户图片,训练数据,保存训练图片进行人脸识别。 #Facial Recognition Micor Service ###Python Tree Instructio

官方例子，深度学习专用，机器学习专用，代码简单，一看就会(dlcvrecognizefooddemo)

简化版的MNIST读取文件，斋藤康毅《深度学习入门》必备源码，简洁版，测试通过

该代码能够在pytorch中成功实现MNIST的测试,目前网上大部分代码都是仅仅实现训练和building network 和 train model,且很多代码都有小的bug,因为版本在更新,这个是

Pytorch 入门实践 MNIST手写数据集分类 带详细注释,完全可以跑通,python3.6.5,pytorch1.1.0 CPU GPU均可以跑通

Python,Pytorch,mnist,基于Pytorch实现mnist数据的手写数字分类。包含训练数据集、测试数据集的下载、显示、深度神经网络的搭建,支持cpu、gpu cuda的计算。

在pytorch框架下,编写的一段CNN图像分类代码,实现手写数字集识别,测试准确率在96%以上,代码有比较详细的注释。

mnist_mlp_spark.py

深度学习框架caffe中python接口训练测试mnist数据库的代码。