使用tensorflow建立全连接神经网络实现手写数字识别
windows下安装任意版本的python和tensorflow均可运行
内含详细的代码环境修改说明
包括mnist数据集
2021-06-25 21:30:59
11.1MB
1
Pytorch实现MNIST手写数字识别（全连接神经网络及卷积神经网络）-附件资源
2021-05-25 18:07:22
23B
1
本资源使用python编程，同时使用numpy包实现的三层神经网络，没有使用TensorFlow和pytorch等框架或者接口，数据集是minist手写数字数据集，其中还包含将minist照片转化为txt进行保存的代码。
2021-04-24 21:58:23
9.51MB
1
通过模块化的编程思想，运用Tensorflow搭建的全连接神经网络，代码包括5个文件，分别为generateds.py;forward.py;backward.py;test.py;appMnist.py，分别对应生成数据集，前向传播，反向传播，测试模型，运用模型做预测的功能
2020-01-03 11:40:04
14KB
1
反向传播算法是人工神经网络训练时采用的一种通用方法，在现代深度学习中得到了大 规模的应用。全连接神经网络(多层感知器模型，MLP)，卷积神经网络(CNN)，循环神 经网络(RNN)中都有它的实现版本。算法从多元复合函数求导的链式法则导出，递推的 计算神经网络每一层参数的梯度值。算法名称中的“误差”是指损失函数对神经网络每一层 临时输出值的梯度。反向传播算法从神经网络的输出层开始，利用递推公式根据后一层的误 差计算本层的误差，通过误差计算本层参数的梯度值，然后将差项传播到前一层
2019-12-21 21:05:41
773KB
1
python语言编写简单三层神经网络做二分类问题，隐含层激活函数为tanh函数，输出层为sigmoid函数，可视化loss/accuracy随迭代次数的变化以及散点图。
2019-12-21 20:37:23
329KB
1