mnist

    0熱度

    1回答

    後,爲了獲得在生成對抗性網絡的洞察力,我想實現在此基礎上Stanford university assignment使用tensorflow爲MNIST數據集自己的GaN。 我仔細檢查和研究了我對給定練習的解答,並且通過了測試。但是,我的發電機只會產生噪音。 我很確定我得到的幫助功能正確,所有的測試都通過了,而且我在網上找到的參考文獻顯示了完全相同的實現。那麼,它可能 出問題纔是鑑別和發電機架構:

    0熱度

    2回答

    我正在使用深度神經網絡分類器對TensorFlow上的MNIST數據集進行研究。我正在爲網絡使用以下結構。 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熱度

    1回答

    我想看看我在我的網絡中使用的圖片都是OK的,所以我使用下面的代碼保存的一羣人: train_set = dset.MNIST(root=root, train=True, transform=transforms.ToTensor(), download=download) for it, (img, target) in enumerate(train_loader): X = V

    0熱度

    1回答

    所有tensorflow教程都做得非常好,但是他們都使用預先處理的可下載數據集,這些數據集可以直接使用。他們在MNIST上的教程就是一個很好的例子。 對於一個學校項目,其他4個人和我被分配到以PNG圖像的形式對所提供的數據進行CNN培訓。這只是一個包含150張圖片的目錄。標籤包含在圖像文件名稱中。 代碼的座標現在我們得到一個錯誤,我將在下面包括。 我們跟着MNIST代碼在這裏找到:https://

    0熱度

    1回答

    我正在使用MNIST數據集構建用於手寫數字識別的ConvNet。我的代碼是使用Theano後端在Keras中編寫的。 我想訓練我的ConvNet,因此它可以識別類的一個子集(例如,僅數字'1'和'2')並輸出任何其他類作爲通用'未知'類。我知道這可以在Theano上完成,因爲它在"Distributed Neural Networks for Internet of Things: The Big

    0熱度

    1回答

    我使用Keras。 (X_train, y_train), (X_test, y_test) = mnist.load_data() X_train'形狀爲(number_of_training_sample,224,224,3) Y_train的形狀是(number_of_training_sample, 10) 特點和標籤在不同ndarray分離。 但我想將這些ndarrays更改爲'mn

    4熱度

    2回答

    所以,我使用的是邁克爾·尼爾森的機器學習本書作爲我的代碼引用(這基本上是相同的):http://neuralnetworksanddeeplearning.com/chap1.html 有問題的代碼: def backpropagate(self, image, image_value) : # declare two new numpy arrays for the update

    0熱度

    1回答

    Python的SSL認證問題 我試圖下載這是在所謂處理的數據MNIST: tensorflow.examples.tutorials.mnist.input_data.read_data_sets() 至於我m知道read_data_sets向服務器發送拉取請求以下載(大約)1.5GB數據。 我不斷收到此錯誤回溯: File "/Library/Frameworks/Python.framewor

    0熱度

    1回答

    我遵循專家的tensorflow MNIST教程。我寫下如下所示的代碼,這是本教程的副本。但是,當我運行我的代碼時,其準確率僅爲92%,86%......它在我的Mac上運行速度僅爲1或2分鐘。而隨着步驟的增加,精度 step 0, training accuracy 0.08 step 100, training accuracy 0.1 step 200, training accurac

    0熱度

    1回答

    這裏是我的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