登录
首页 » Python » 深度学习之一:卷积神经网络(CNN)详解与代码实现

深度学习之一:卷积神经网络(CNN)详解与代码实现

于 2019-08-09 发布
0 209
下载积分: 1 下载次数: 6

代码说明:

目录1.应用场景2.卷积神经网络结构  2.1 卷积(convelution)  2.2 Relu激活函数  2.3 池化(pool)  2.4 全连接(full connection)  2.5 损失函数(softmax_loss)  2.6 前向传播(forward propagation)  2.7 反向传播(backford propagation)  2.8 随机梯度下降(sgd_momentum)3.代码实现流程图以及介绍4.代码实现(python3.6)5.运行结果以及分析6.参考文献

下载说明:请别用迅雷下载,失败请重下,重下不扣分!

发表评论

0 个回复

  • 机器学习-岭回归实现
    通过岭回归实现 数据标签的预测
    2020-12-05下载
    积分:1
  • LSTM入门正弦波序列预测
    LSTM入门学习,正弦波序列预测         for i, input_t in enumerate(input.chunk(input.size(1), dim=1)):             h_t, c_t = self.lstm1(input_t, (h_t, c_t))             h_t2, c_t2 = self.lstm2(h_t, (h_t2, c_t2))             output = self.linear(h_t2)  # output.shape:[batch,1]             outputs = [output]  # outputs.shape:[[batch,1],...[batch,1]], list composed of n [batch,1],         for i in range(future):  # if we should predict the future             h_t, c_t = self.lstm1(output, (h_t, c_t))             h_t2, c_t2 = self.lstm2(h_t, (h_t2, c_t2))             output = self.linear(h_t2)  # output.shape:[batch,1]             outputs = [output]  # outputs.shape:[[batch,1],...[batch,1]], list composed of n [batch,1],         outputs = torch.stack(outputs, 1).squeeze(2)  # shape after stack:[batch, n, 1], shape after squeeze: [batch,n]         return outputs
    2021-06-30 00:31:01下载
    积分:1
  • 猫-非猫图二分类识别
    代码用于猫-非猫图片的二分类问题(附件内给出h5格式的数据集),基于Pytorch神经网络工具包,采用比较经典的逻辑回归(Logistic Regression)算法。
    2020-12-03下载
    积分:1
  • 深度学习之三:深度强化学习(DQN-Deep Q Network)之应用-Flappy Bird
    目录1.达到的目的2.思路   2.1.强化学习(RL Reinforcement Learing)   2.2.深度学习(卷积神经网络CNN)3.踩过的坑4.代码实现(python3.5)5.运行结果与分析
    2019-08-09下载
    积分:1
  • 于Django2、echarts的爬取智联招聘信息数据可视化系统
    个人博客->http://www.facesjoy.cn/article/2019/10/24/17.html
    2019-12-02下载
    积分:1
  • 《自然处理入门》随书代码
    适读人群 :对自然语言处理感兴趣的普通程序员、算法工程师,计算机专业本科生,低年级研究生。 配套代码集成到广受欢迎的自然语言处理工具包 HanLP 中,Java 与 Python 代码双实现,适合培训。 你一定能看懂的自然语言处理(NLP)入门教程! 这是一本把读者阅读体验放在首位的中文 NLP 图书,作者采用从问题到算法再到工程实现的写作思路,只允许必不可少的公式出现,降低了读者学习的门槛,通俗易懂、容易上手。是一本可以在地铁上也能学会 NLP 开发的图书。 全书有以下特点: 1. 图文并茂,算法、公式、代码相互印证,Java 与 Python 双实现。 2. 学习路径清晰,问题导向、算法实现、工程实战,简单易懂好上手,双色印刷阅读体验佳。 3. 业内专家——工业界周明、李航、刘群、王斌、杨攀,学术界宗成庆、刘知远、张华平 联合推荐。 4. 作者何晗(@hankcs)兼具一线实战经验与硬核学术背景。自然语言处理开源项目 HanLP 作者(GitHub Star 数远超宾夕法尼亚大学的 NLTK、斯坦福大学的 CoreNLP 以及哈工大的 LTP)埃默里大学计算机博士生,研究方向是句法分析、语义分析与问答系统。 【文件目录】 《自然语言处理入门》随书代码 ├── README.url├── hanlp-java.zip└── hanlp-python.zip0 directories, 3 files
    2021-05-06下载
    积分:1
  • 电赛电磁炮.py
    电赛电磁炮.py
    2021-05-06下载
    积分:1
  • 小说爬虫
    【实例简介】
    2021-11-08 00:30:53下载
    积分:1
  • 猜拳游戏(石头剪刀布.py)
    # 石头 0 剪刀 1 布 2 import randombot = random.randint(0, 2)player = int(input("输入您的结果")) if (player == 1) and (bot == 2) or (player == 2) and (bot == 0) or (player == 0) and (bot == 1): print("玩家获胜") elif player == bot: print("你们打成平手") else: print("电脑获胜")
    2020-11-30下载
    积分:1
  • 深度学习初学-mnist手写数字识别实战
    需配置keras、tensorflow等环境 直接下载keras自带的mnist数据集 经过训练后取得了不错的识别率
    2021-05-06下载
    积分:1
  • 696518资源总数
  • 104269会员总数
  • 42今日下载