FashionMNIST数据集的png格式将FashionMNIST数据集整理为训练集和测试集文件夹,训练集和测试集里各含名称为0-9的10个文件夹,共60000张训练集,10000张测试集,图片格式pngFashionMNIST是一个替代MNIST手写数字集[1]的图像数据集。
它是由Zalando(一家德国的时尚科技公司)旗下的研究部门提供。
其涵盖了来自10种类别的共7万个不同商品的正面图片。
FashionMNIST的大小、格式和训练集/测试集划分与原始的MNIST完全一致。
60000/10000的训练测试数据划分,28x28的灰度图片。
你可以直接用它来测试你的机器学习和深度学习算法功能,且不需要改动任何的代码。
2021/3/18 16:51:04 39.06MB Fashion-MNIS png
1
这个资源使用实现lenet-5的网络结构来MNIST数据集,代码参考了UFLDL上的相关的代码,以及R.B.Palm实现的CNN中的相关代码,为了顺应数据集我把lenet-5输入的大小改为了28*28,c3的每一张特征图都与s4的每一张特征图相关,训练的结果可以达到99.1%
2019/2/16 13:07:44 10.17MB matlab lenet-5 MNIST
1
代码是python完成,运用mnist数据集,实现逻辑回归的功能
2019/5/14 23:30:42 11.06MB python mnist 逻辑回归
1
本项目即拿MFC做了一个画板,画一个数字后可自行识别数字。
有保存图片,清空画板功能,简单实用。
识别方法为SVM,调用已经训练好的MNIST数据集"SVM_DATA.xml"训练方法自行百度,一大堆。


基于OpenCv2.4.6,下载的朋友自行修改配置为本人使用的OpenCv版本即可。
2020/5/12 19:21:26 10.93MB SVM MNIST
1
使用Python+TensorFlow,全连接的神经网络,基于MNIST数据集。
数据集包含60000张训练图片,10000张测试图片。
MNIST_model文件夹是已经训练30000次的模型,也可以本人再训练。
app.py文件可以测试本人的图片。
也可以到github下载https://github.com/BuXianShan/Handwritten-Numeral-Recognition
2018/2/6 15:10:15 17.36MB 手写体数字识别 Python TensorFlow
1
本代码为matlab实现的支持向量机模式识别算法,对MNIST数据集进行三种样本分类,如果电脑内存够大,可以实现更多的类别分类,另外exclass是对随机的两个样本分类,也可以参考,exmuticlassall为对MNIST数据集分类,正文掉的代码也可以实现随即三样本分类并作图。
2018/4/24 2:04:03 12.71MB 模式识别
1
手写识别的简单cnn版本和复杂cnn版本的完成,代码简单,附带数据集包
2019/10/22 3:11:15 11.69MB 手写识别
1
深度学习常用数据集之一,fashion-mnist数据集,可看成是mnist数据集的晋级版,数据的属性和mnist数据集一样(测试集和训练集的样本数)
2021/4/17 21:30:50 34.62MB 深度学习
1
模仿mnist数据集制造自己的数据集,运行代码前请先看代码文件里的Readme.txt文件内容,确保不必要的错误出现。
2018/6/1 19:44:37 4KB mnist 数据集
1
将mnist手写字符数据集整理为训练集和测试集文件夹,训练集和测试集里各含称号为0-9的10个文件夹,共60000张训练集,10000张测试集,图片格式png
2016/2/16 1:28:35 23.4MB mnist数据集
1
共 68 条记录 首页 上一页 下一页 尾页
在日常工作中,钉钉打卡成了我生活中不可或缺的一部分。然而,有时候这个看似简单的任务却给我带来了不少烦恼。 每天早晚,我总是得牢记打开钉钉应用,点击"工作台",再找到"考勤打卡"进行签到。有时候因为工作忙碌,会忘记打卡,导致考勤异常,影响当月的工作评价。而且,由于我使用的是苹果手机,有时候系统更新后,钉钉的某些功能会出现异常,使得打卡变得更加麻烦。 另外,我的家人使用的是安卓手机,他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说,每次打卡都是一次挑战。他们总是担心自己会操作失误,导致打卡失败。 为了解决这些烦恼,我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习,我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。
2024-04-09 15:03 15KB 钉钉 钉钉打卡