mnist

    11热度

    1回答

    TLDR 我一直在努力,以适应MNIST一个简单的神经网络,它适用于小的调试安装,但是当我把它交给MNIST的一个子集,它培养超级快并且梯度非常快地接近0,但是然后它对于任何给定输入输出相同的值,并且最终成本相当高。我一直试图有目的地过度装备,以确保它实际上正在工作,但它不会在MNIST上这样做,暗示设置中存在深层问题。我已经使用渐变检查检查了我的反向传播实现,它似乎匹配了,所以不知道错误在哪里,

    0热度

    1回答

    我想将图像格式(如jpeg或png)中.csv文件中可用的mnist数据集转换。 from PIL import Image temp = mnist.train.images[0] temp=np.reshape(temp,(28,28)) temp=temp*255 im = Image.fromarray(temp).convert('L') im.save("C:/Users/u

    1热度

    1回答

    我有一个模型可以预测SVHN数据集中的数字。我想我可能需要一个自定义准确性度量标准,因为即使整个序列不正确,一些数字也是正确的。这里是代码和一个示例输出。有谁知道我可以如何创建自定义指标? batch_size2 = 128 nb_classes2 = 11 #change number of classes nb_epoch2 = 2 img_rows2 =32 #change inpu

    3热度

    3回答

    我正在使用tensorflow导入一些MNIST输入数据。我跟着这个教程... https://www.tensorflow.org/get_started/mnist/beginners 我导入它们作为如此... from tensorflow.examples.tutorials.mnist import input_data mnist = input_data.read_data_se

    2热度

    1回答

    我刚刚开始使用ML和Tensorflow。 (我想)在我的Ubuntu系统上成功安装tensorflow之后。我想用tensorflow实现一个用于手写didgits的CNN。如果已经通过stackoverflow中的几个问题进行了解读,并在大约2天内没有任何解决方案就被愚弄了。 import tensorflow as tf import matplotlib.pyplot as pl

    0热度

    1回答

    我刚从tensorflow开始,我想从MNIST图像的0和1中只测试一些东西。有没有办法只导入这些图像?

    0热度

    1回答

    嘿,大家好,我一直在做一个tensorflow项目,我想从MNIST数据库的测试图像中拿走。下面是我的代码原始数据(UBYTE?)转换成2D numpy的要点: from PIL import Image from tensorflow.examples.tutorials.mnist import input_data mnist = input_data.read_data_sets('M

    3热度

    1回答

    我现在正在用python 3.5.2学习tensorflow 1.0。我尝试了在github上找到的下面的代码,但是我得到错误没有名为'tensorflowvisu'的模块。如果我删除导入tensorflowvisu我得到错误我= tensorflowvisu.tf_format_mnist_images(X,Ypred,Y_)#默认汇编10x10图像0​​NameError:名称'tensorf

    0热度

    1回答

    我使用TensorFlow和mnist数据集实施了逻辑回归模型。我弄清楚如何使用下面的代码获得学习算法的总准确度... correct_prediction = tf.equal(tf.argmax(pred, 1), tf.argmax(y, 1)) accuracy = tf.reduce_mean(tf.cast(correct_prediction, tf.float32)) pri

    0热度

    1回答

    在我看来,图像标准化是使每个像素都被标准化为一个介于0和1之间的值,对吗? 但下面的代码是什么意思? image_size = 28 # Pixel width and height. pixel_depth = 255.0 # Number of levels per pixel. for image in image_files: image_file = os.path.j