MNIST
├── MLP-MNIST.ipynb
├── MNIST-ReLU.ipynb└── MNIST_data ├── t10k-images-idx3-ubyte.gz ├── t10k-labels-idx1-ubyte.gz ├── train-images-idx3-ubyte.gz └── train-labels-idx1-ubyte.gz1 directory, 6 files
暂无评论
pytorch+AlexNet实现的手写数字识别
TensorFlow手写数字识别
pytorch识别手写数字成功
利用CNN来进行手写识别,通过卷积神经网络来识别数据集中的手写数字,可以很好的得到识别结果。实现平台为matlab,易于上手,很基础的代码来实现
TensorFlow识别手写数字,适合TensorFlow小白来学习。参考书籍为《TensorFlow实战》。
MNIST手写数字识别 我将在PyTorch中构建一个简单的神经网络,并训练它使用MNIST数据集来识别手写数字。 在MNIST数据集上训练分类器可以被视为图像识别的世界。 创建神经网络的步骤如下:
BP神经网络实现手写数字识别，使用matlab实现。内有测试数据及实验结果，非常适合入门者使用。绝对超值、值5分。0.99MB的文件下载该文档，你不会吃亏。
keras实现的mnist手写数字识别，模型已经训练好，也可以重新进行训练，带了自己手写的28x28的测试图片，有需要的可以下载
knn手写数字识别training及test数据集，来自机器学习实战
基于BP神经网络和sklearn的digit数据集编写的手写数字识别demo。带有GUI手写画板,同时还可以根据需要保存手写数字的数据。
暂无评论