mnist

    0热度

    1回答

    我试图用NumPy来获得一个简单,相对准确的数字阅读神经网络。我的代码运行并获取正确的MNIST数字信息,但最终得出的预测每个数字不可能落入任何10位数类别的相同结果。 我认为我的错误必须有点基本。没有门槛有没有一个大问题?我的数据类型搞砸了吗?任何指向正确方向的东西都会受到极大的赞赏。我一直在盯着这个和调整好几个小时的东西。 这里是我的代码的链接在GitHub上:https://github.c

    0热度

    2回答

    我目前正在通过实施深度转网络来研究kaggle上的cats vs dogs分类任务。下面的代码行用于数据预处理: def label_img(img): word_label = img.split('.')[-3] if word_label == 'cat': return [1,0] elif word_label == 'dog': return [0,1]

    2热度

    2回答

    我跟随udacity MNIST tutorial和MNIST数据原本是28*28矩阵。然而,在喂养该数据之前,他们将数据平整为具有784列(784 = 28 * 28)的1d阵列。例如, 原始训练集形状为(200000,28,28)。 200000行(数据)。每个数据是28 * 28矩阵 它们转换成训练集,其形状是这样的(200000 784) 有人能解释为什么它们拼合出的数据输送到tensor

    3热度

    1回答

    其次要想使用signoidal功能“Using neural nets to recognize handwritten digits”一个简单的神经网络教程,教程很简单,用理论和代码示例。 的问题是,它并没有使用network.py给数字识别的任何实例。 例如,我有以下号码,我想从下面的图像中将其识别为0 接下来应该如何处理号码识别? 为了识别号码需要使用其他技术,如theano或tensorf

    0热度

    1回答

    我正在关注TensorFlow的Generative Adversarial Network的教程。本教程使用MNIST数据集来训练模型。我想减少输入的大小,以便我的程序运行速度更快,但不知道如何获取我正在使用的MNIST数据集的子集。下面是我用于提取所述数据集的代码: from tensorflow.examples.tutorials.mnist import input_data mnis

    0热度

    1回答

    检查对象时 我的代码如下: from keras.datasets import mnist from keras.utils import np_utils from keras.models import Sequential from keras.layers import Dense, Activation (x_train, y_train), (x_test, y_test)

    0热度

    1回答

    我一直在练习机器学习,并且我遇到了mnist教程。在学习的时候,我已经制作了这段代码。 `进口tensorflow为TF 从tensorflow.examples.tutorials.mnist进口input_data 进口numpy的为NP mnist = input_data.read_data_sets("/tmp/data/", one_hot=True) n_hidden_layer

    0热度

    1回答

    如何在Node中加载KerasJS中的MNIST数据集? 我输入自己的头文件 const KerasJS = require('keras-js') var mnist = KerasJS.mnist 这给没有错误, 但每当我尝试load_data() var x_train, y_train, x_test, y_test = mnist.load_data() 它给出错误 TypeE

    1热度

    1回答

    我用TensorFlow训练卷积神经网络(CNN)。当训练结束后我计算用下面的代码的准确性: ... correct = tf.equal(tf.argmax(prediction, 1), tf.argmax(y, 1)) accuracy = tf.reduce_mean(tf.cast(correct, tf.float32)) eval_batch_size = 1 good =

    -1热度

    1回答

    我正在尝试编写自己的mnist示例,它可以使用一台机器的所有两个gpu。 它是一个简单的多层感知器。 这是我的代码。你可以直接运行它。 from tensorflow.examples.tutorials.mnist import input_data mnist = input_data.read_data_sets("/tmp/data/", one_hot=True) import t