06 2020 档案
摘要：说明： 生成对抗网络（Generative Adversarial Network [1]，简称GAN）是非监督式学习的一种方法，通过让两个神经网络相互博弈的方式进行学习。本例程使用DCGAN网络和MNIST数据集生成数字字符。 实验代码： import paddle import paddle.f
阅读全文
摘要：说明： 本例程使用vggnet-16来进行cifar10图像分类。 实验代码： 1 import paddle 2 import paddle.fluid as fluid 3 import numpy 4 from paddle.utils.plot import Ploter 5 from PI
阅读全文
摘要：说明： 深度学习的入门教程，一般都是 MNIST 数据库上的手写识别问题。原因是手写识别属于典型的图像分类问题，比较简单，同时MNIST数据集也很完备。MNIST数据集作为一个简单的计算机视觉数据集，包含一系列如图1所示的手写数字图片和对应的标签。图片是28x28的像素矩阵，标签则对应着0~9的10
阅读全文
摘要：说明： MNIST手写数字数据集非常经典，它由60000个训练样本和10000个测试样本组成，每个样本都是一张28×28的灰度图片。直接下载下来的MNIST数据是无法通过解压或应用程序打开的，因为它里面的文件不是标准的图像格式，而是以字节的形式存储的，所以需要借助编程的手段来打开。 实验代码： 1
阅读全文
摘要：说明： 使用从UCI Housing Data Set获得的波士顿房价数据集进行模型的训练和预测。 实验代码： 静态图 1 import paddle 2 import paddle.fluid as fluid 3 from paddle.utils.plot import Ploter 4 im
阅读全文
