搜索资源列表
CUDA-CNN-master
- CNN cuda的加速。 start-of-art结果的流行的数据集 1。测试mnist并获得99.76 ,投票后(99.82 )(最好的99.79 ) 2。测试cifar-10并获得81.42 最好(90 ) 3。测试cifar - 100和51.13 (最好的65 )-CNN accelerated by cuda. The start-of-art result s of popular datasets
resnet
- 使用 TensorFlow 实现 resNet, 也就是残差网络，为官方demo， 分别用 cifar 数据集和 ImageNet 数据集进行测试。(Using TensorFlow to achieve resNet, that is, the residual network, for official demo, respectively, using cifar data sets and ImageNet data sets
ResNet_cifar-master
- resnet 在tensorflow上的实现，基于cifar10，cifar100数据集(Implementation of RESNET on tensorflow, based on cifar10, cifar100 data sets)
nn_CIFAR.py
- pytorch tutorial 代码 简单神经网络 数据集CIFAR(pytorch nn training sample code, Dataset: CIFAR dataset Usage: python3 nn_CIFAR.py)
test_CNN
- 卷积神经网络，简单的对cifar数据集进行分类的代码(convolutional neural network)
cnn
- TensorFlow框架下cnn 对数据集cifar分类问题(CNN classification for data sets cifar)
CIFAR10
- 在CIFAR-10数据集上使用卷积神经网络进行图像分类(Image classification using convolution neural network on CIFAR-10 dataset)
SVM做图片处理
- 使用SVM算法对CIFAR-10图片数据集进行分类，包括模型的训练，测试和参数的调优(Using SVM algorithm to classify CIFAR-10 image data sets, including model training, testing and parameter tuning)
04.CNN处理CiFar
- 以python语言为基础，利用tensorflow机器学习架构，两层卷积神经网络实现，CiFar数据集图片分类功能。(Based on Python language, using tensorflow machine learning architecture, two-layer convolutional neural network, CiFar data set image classification function.)
cifar-10-cnn-master
- 经典数据集分类,利用卷积神经网络分类，利用python语言编写(classic picture classification)
data_batch_2
- cifar-10数据集由10个类的60000个32x32彩色图像组成，每个类有6000个图像。有50000个训练图像和10000个测试图像。数据集分为五个训练批次和一个测试批次，每个批次有10000个图像。测试批次包含来自每个类别的恰好1000个随机选择的图像。训练批次以随机顺序包含剩余图像，但一些训练批次可能包含来自一个类别的图像比另一个更多。总体来说，五个训练集之和包含来自每个类的正好5000张图像。 具体：batch2.mat文