mnist

    0热度

    1回答

    后,为了获得在生成对抗性网络的洞察力,我想实现在此基础上Stanford university assignment使用tensorflow为MNIST数据集自己的GaN。 我仔细检查和研究了我对给定练习的解答,并且通过了测试。但是,我的发电机只会产生噪音。 我很确定我得到的帮助功能正确,所有的测试都通过了,而且我在网上找到的参考文献显示了完全相同的实现。那么,它可能 出问题才是鉴别和发电机架构:

    0热度

    2回答

    我正在使用深度神经网络分类器对TensorFlow上的MNIST数据集进行研究。我正在为网络使用以下结构。 MNIST_DATASET = input_data.read_data_sets(mnist_data_path) train_data = np.array(MNIST_DATASET.train.images, 'int64') train_target = np.array(MN

    0热度

    1回答

    我想看看我在我的网络中使用的图片都是OK的,所以我使用下面的代码保存的一群人: train_set = dset.MNIST(root=root, train=True, transform=transforms.ToTensor(), download=download) for it, (img, target) in enumerate(train_loader): X = V

    0热度

    1回答

    所有tensorflow教程都做得非常好,但是他们都使用预先处理的可下载数据集,这些数据集可以直接使用。他们在MNIST上的教程就是一个很好的例子。 对于一个学校项目,其他4个人和我被分配到以PNG图像的形式对所提供的数据进行CNN培训。这只是一个包含150张图片的目录。标签包含在图像文件名称中。 代码的坐标现在我们得到一个错误,我将在下面包括。 我们跟着MNIST代码在这里找到:https://

    0热度

    1回答

    我正在使用MNIST数据集构建用于手写数字识别的ConvNet。我的代码是使用Theano后端在Keras中编写的。 我想训练我的ConvNet,因此它可以识别类的一个子集(例如,仅数字'1'和'2')并输出任何其他类作为通用'未知'类。我知道这可以在Theano上完成,因为它在"Distributed Neural Networks for Internet of Things: The Big

    0热度

    1回答

    我使用Keras。 (X_train, y_train), (X_test, y_test) = mnist.load_data() X_train'形状为(number_of_training_sample,224,224,3) Y_train的形状是(number_of_training_sample, 10) 特点和标签在不同ndarray分离。 但我想将这些ndarrays更改为'mn

    4热度

    2回答

    所以,我使用的是迈克尔·尼尔森的机器学习本书作为我的代码引用(这基本上是相同的):http://neuralnetworksanddeeplearning.com/chap1.html 有问题的代码: def backpropagate(self, image, image_value) : # declare two new numpy arrays for the update

    0热度

    1回答

    Python的SSL认证问题 我试图下载这是在所谓处理的数据MNIST: tensorflow.examples.tutorials.mnist.input_data.read_data_sets() 至于我m知道read_data_sets向服务器发送拉取请求以下载(大约)1.5GB数据。 我不断收到此错误回溯: File "/Library/Frameworks/Python.framewor

    0热度

    1回答

    我遵循专家的tensorflow MNIST教程。我写下如下所示的代码,这是本教程的副本。但是,当我运行我的代码时,其准确率仅为92%,86%......它在我的Mac上运行速度仅为1或2分钟。而随着步骤的增加,精度 step 0, training accuracy 0.08 step 100, training accuracy 0.1 step 200, training accurac

    0热度

    1回答

    这里是我的Tensorflow MNIST例子的修改版本: from __future__ import absolute_import from __future__ import division from __future__ import print_function import argparse import sys import tempfile from tenso