有朋友在阅读关于CNN代码解读的http://blog.csdn.net/zouxy09/article/details/9993743这篇博文后，遇到了代码无法运行的问题，比如：Undefinedfunction'sigm'forinputargumentsoftype'double'.等。
这是因为没有将util文件夹addpath进来，导致matlab在解释执行的时候找不到相应的函数。
也有朋友在寻找mnist_uint8.mat文件，所以本人在此一并给出。
本资源是DeeplearnToolbox中关于CNN部分的代码（7个.m文件），加上data和util两个文件夹，其中data文件夹中有mnist_uint8.mat文件，而util文件夹中则提供所需要的函数（如sigm，expand）的.m文件。
要成功运行此代码，只需在matlab中打开7个.m文件，并将cnnexamples.m文件中两句addpath对应的路径分别改成data和util在你电脑上的路径，并运行cnnexamples.m即可。
希望能给有需要的朋友一些帮助！
这是因为没有将util文件夹addpath进来，导致matlab在解释执行的时候找不到相应的函数。
也有朋友在寻找mnist_uint8.mat文件，所以本人在此一并给出。
本资源是DeeplearnToolbox中关于CNN部分的代码（7个.m文件），加上data和util两个文件夹，其中data文件夹中有mnist_uint8.mat文件，而util文件夹中则提供所需要的函数（如sigm，expand）的.m文件。
要成功运行此代码，只需在matlab中打开7个.m文件，并将cnnexamples.m文件中两句addpath对应的路径分别改成data和util在你电脑上的路径，并运行cnnexamples.m即可。
希望能给有需要的朋友一些帮助！
2025/9/19 19:04:34
14.08MB
1
猫狗图片的识别分类，通过一个Alexnet网络模型，对猫狗图片数据集进行训练，并保存模型
2025/9/17 14:09:44
13KB
1
cnn卷积神经网络的八篇最经典论文AlexNet：NIPS-2012-imagenet-classification-with-deep-convolutional-neural-networks-PaperVGG：Very-Deep-Convolutional-Networks-for-Large-Scale-Image-RecognitionNIN：network-in-networkResNet：Deep-Residual-Learning-for-Image-RecognitionInceptionV1-V4MobileNet：Efficient-ConVolutinal-Neural-Networks-for-Mobile-VisionNASNet：Learning-TransferableArchitectures-for-Scalable-Image-RecognitionShakeShake：Shake-Shake-regularization
2025/9/13 0:09:13
14.62MB
1
这段代码为机器学习初学者设计，提供了一个易于理解且实用的卷积神经网络(CNN)入门示例。
通过简单的步骤展示如何构建、训练和评估一个基本的CNN模型，帮助新手快速上手深度学习的基础实践。
使用Python编写代码可以很简单且清晰，非常适合新手入门。
通过简单的步骤展示如何构建、训练和评估一个基本的CNN模型，帮助新手快速上手深度学习的基础实践。
使用Python编写代码可以很简单且清晰，非常适合新手入门。
2025/8/20 4:57:32
11KB
1
minist识别手写字体，使用CNN卷积神经网络，加入了交叉验证，并保存了交叉验证过程中效果最好的模型，收敛后正确率在0.99上下，LOSS函数使用交叉熵
2025/8/14 8:01:24
5KB
1
MATLAB工具包DEEPLEARNINGTOOLBOX(一)DeepLearningToolbox提供了一个用于通过算法、预训练模型和应用程序来设计和实现深度神经网络的框架。
我们可以使用卷积神经网络（ConvNet、CNN）和长短期记忆(LSTM)网络对图像、时序和文本数据执行分类和回归。
我们可以使用卷积神经网络（ConvNet、CNN）和长短期记忆(LSTM)网络对图像、时序和文本数据执行分类和回归。
2025/8/7 5:03:13
25.37MB
1
本文档从最基础的原理着手，介绍了使用CNN卷积神经网络进行图片分类，是利用深度学习通过卷积神经网络进行图片分类比较不错的参考资料。
2025/7/16 12:46:40
1.35MB
1
我们使用了循环一致性生成对抗网络（CycleConsistentGenerativeAdversarialNetworks,CycleGAN）实现了将绘画中的艺术风格迁移到摄影照片中的效果。
这种方法从图像数据集中学习整体风格，进行风格转换时只要将目标图片输入网络一次，不需要迭代的过程，因此速度较快。
我们使用了一些自己制作的数据集训练了CycleGAN风格迁移模型，并分析了这种方法的优点和局限性。
为了使风格转换后的图片保留原来的色彩分布，我们实现并分析对比了多种颜色匹配的方法。
我们还利用了MaskR-CNN模型生成的掩膜图像来做图像运算而实现了局部风格转换和混合风格转换等效果。
这种方法从图像数据集中学习整体风格，进行风格转换时只要将目标图片输入网络一次，不需要迭代的过程，因此速度较快。
我们使用了一些自己制作的数据集训练了CycleGAN风格迁移模型，并分析了这种方法的优点和局限性。
为了使风格转换后的图片保留原来的色彩分布，我们实现并分析对比了多种颜色匹配的方法。
我们还利用了MaskR-CNN模型生成的掩膜图像来做图像运算而实现了局部风格转换和混合风格转换等效果。
2025/7/12 14:11:22
5.32MB
1
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