- 博客(3)
- 资源 (5)
- 收藏
- 关注
RSS订阅原创 MNIST 训练完的模型加载及输入本地图片识别(pytorch）
在上一篇文章中，我们使用MNIST数据集对建立的卷积神经网络进行了训练，并加载测试集进行测试，最终的识别精度达到了99%。但是测试流程只是最终给到了整体的测试结果，没有很直观的给到我们看识别效果，所以接下来随机的在MNIST数据集中抽取几张照片，或者自行手写一些数字，输入到训练好的网络中进行识别，来验证结果是不是正确。如之前的文章所述，使用pytorch 加载的MNIST数据集是以二进制形式存在的，需要进行可视化转换及保存，具体的操作可以参看之前的文章。MNIST数据集详解及可视化处理（pytorch
2020-11-24 23:13:24
2213
原创 pytorch 实现MNIST手写数字识别
在之前的文章中，我们使用pytorch下载并转换了MNIST的数据集，今天我们实现LeNet-5网络，使用下载的训练集对网络进行训练，然后使用测试集测试最终的效果。MNIST数据集详解及可视化处理（pytorch）首先，我们先看一下LeNet-5，LeNet-5是由“深度学习三巨头”之一、图灵奖得主Yann LeCun在一篇名为"Gradient-Based Learning Applied to Document Recognition"的paper（paper下载地址：https://www.res
2020-11-24 23:07:39
791
原创 MNIST数据集详解及可视化处理（pytorch）
MNIST数据集详解及可视化处理（pytorch）MNIST 数据集已经是一个被”嚼烂”了的数据集, 作为机器学习在视觉领域的“hello world”，很多教程都会对它”下手”, 几乎成为一个 “典范”。 不过有些人可能对它还不是很了解, 下面来介绍一下。MNIST 数据集可在 http://yann.lecun.com/exdb/mnist/ 获取, 它包含了四个部分:Training set images: train-images-idx3-ubyte.gz (9.9 MB, 解压后 47
2020-11-24 21:41:14
7833
3
NTFS格式下加、解密问题
2011-03-19
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人