本文介绍了如何使用Keras框架，搭建一个小型的神经网络-多层感知器，并通过给定数据进行计算训练，最后将训练得到的模型提取出参数，在51单片机上进行部署运行。
目录
0 – 楔子
1 – 训练模型
1-1 模型的设计
1-2 数据集
1-3 模型的训练
1-4 模型的保存与再载入
2 – 部署模型
2-1 模型参数的提取
2-2 矩阵的运算方式
2-3 NNLayer
2-4 在单片机上运行
0 – 楔子
在前一篇文章（Keras #0 – 搭建Keras环境，跑一个例程），介绍了如何使用 Anaconda Navigator 进行方便快捷的 Keras 安装与部署，并且运行了一个例程来进行验
2022-03-18 14:51:06
1.15MB
1
Python神经网络
用于了解神经网络的简单存储库。 我正在Python中实现它，因为它将使我能够专注于数学而不是编程。 我的最终目标是在我的FPGA中制作基于硬件的神经网络。
2022-03-15 10:00:43
3KB
1
使用pytorch框架实现了MobileNetv2，内附oxFlower牛津花朵17分类任务完整数据集，运行train.py即可开始训练。
2022-03-06 14:51:43
115.63MB
1
股票日收益率预测
1）如何将原始数据集转换为可用于时间序列预测的数据。（2）如何准备数据并使LSTM适合多变量时间序列预测问题。（3）如何进行预测并将结果重新调整回原始数据。
2022-01-13 13:22:17
2.75MB
1
BP神经网络实现手写数字输入识别python
代码可以在下面链接中下载：
https://gitee.com/cloud_maple/python_machine_learning.git
训练集和测试集都可以在下面链接中下载：
链接：https://pan.baidu.com/s/1KQuhyM843fEIyeG-87T1QQ
提取码：ln6s
首先，我们需要引入下面两个库
import numpy
import scipy.special
然后创建一个神经网络类，类里有三个函数：初始化函数、训练函数和查询函数。
初始化函数
1、引入输入层、隐藏层、输出层的节点个数、学习率这些参数
2、用
2021-12-20 22:34:51
317KB
1
（10分）
MNIST手写数字识别问题的多层神经网络模型实践
按课程案例，动手完成编码实践。
自行设计一种神经网络模型，并尝试采用不同超参数，让模型的准确率达到97.5%。
提交要求：
1、你认为最优的一次带运行结果的源代码文件（.ipynb 格式）
2、作为附件上传
评分标准：
1、完成MNIST手写数字识别的神经网络建模与应用，有完整的代码，模型能运行，准确率达97%以上；得6分；每下降一个百分点，少得1分；
2、准确率达97.3%以上；再得2分，否则再得0分；
3、准确率到97.5%以上；再得2分，否则再得0分；
源代码：
import tensorflow.compat.v1 as
2021-10-12 21:35:26
161KB
1
本文实例讲述了Python实现的径向基（RBF）神经网络。分享给大家供大家参考，具体如下：
from numpy import array, append, vstack, transpose, reshape, \
dot, true_divide, mean, exp, sqrt, log, \
loadtxt, savetxt, zeros, frombuffer
from numpy.linalg import norm, lstsq
from multiprocessing import Process, Array
from random im
2021-10-07 20:13:50
42KB
1