案例介绍
使用TensorFlow 底层API 搭建CNN 模型，并加入多种优化算法（BatchNormalization，Dropout）；
研究了多种复杂的网络模型如DenseNet，ResNet，VGG 等，最终采用了bagging 的融合模型去进行分
类，正确率达到了90%，并且获得了前五的排名。
Python3 下使用面向对象编程（OO）不基于API（TensorFlow，skikit-learn）去搭建神经网络框架，
在框架下增加了多种激活函数, SGD, momentum, dropout, softmax and cross-entropy loss, mini-batch, batch
normalization, weight normalization, weight decay 等等。
案例图片
相似案例推荐
其他人才的相似案例推荐
-
基于地图信息的5g信号功率预测
通过一系列的地图信息，例如基站的信息，小区的信息，信号传播所
-
基于地图信息的5g信号功率预测
通过一系列的地图信息，例如基站的信息，小区的信息，信号传播所
-
政府垃圾分类（小程序）
此小程序是浙江省政府下的一个项目，服务群体是村民，有三个端（
-
电视开发
电视功能主要支持图像调整，亮度调整，音效，手机视频透传，本地
-
经济社会模拟运行app
通过食物 生产率 研发效率等变量的模拟，试图产生一个决策模型
-
个人博客
这是一个个人博客，全部的功能都是我自己写的，主要包括前端页面
-
SC高速项目
项目描述： 1.系统通过对道路相关数据（车辆、违法、事故、
-
SC高速项目
项目描述： 1.系统通过对道路相关数据（车辆、违法、事故、
-
芯片工业瑕疵分类深度学习项目
芯片工业瑕疵分类深度学习项目：基于Intel生产线620
-
基于Tensorflow的字符识别框架
功能： 主流深度学习字符识别算法如Aster和CRNN算法
-
开发者中心平台
1、使用Div+Css进行页面排版。 2、使用boots
-
自行编写KNN计算代码实现手写输入识别
二进制建议实现knn，进行手写数字输入的识别。 如您所见，在
微信接收人才推送
关注猿急送微信平台，接收实时人才推送
