文件名称：svm算法手写matlab代码-Synerise2:协同2
文件大小：44.45MB
文件格式：ZIP
更新时间：2024-06-12 17:43:55
系统开源
svm算法手写matlab代码时尚MNIST 目录 Fashion-MNIST是的商品图片数据集-包含60,000个示例的训练集和10,000个示例的测试集。 每个示例都是一个28x28灰度图像，与来自10个类别的标签相关联。 我们打算将Fashion-MNIST用作原始机器的直接替代品，以对机器学习算法进行基准测试。 它具有相同的图像大小以及训练和测试分割的结构。 这是一个数据外观的示例（每个类占用三行）： 我们为什么做Fashion-MNIST 原稿包含很多手写数字。 AI / ML /数据科学社区的成员喜欢此数据集，并将其用作验证其算法的基准。 实际上，MNIST通常是研究人员尝试的第一个数据集。 他们说： “如果它在MNIST上不起作用，那么它将根本不起作用。” “好吧，如果它确实可以在MNIST上运行，那么在其他系统上仍然可能失败。” 致认真的机器学习研究人员 认真地说，我们正在谈论取代MNIST。 这里有一些很好的理由： MNIST太简单了。 卷积网络在MNIST上可以达到99.7％。 经典的机器学习算法也可以轻松达到97％。 签出，并阅读“。”。 MNIST被过度使用。
【文件预览】：
Synerise2-master
----.gitignore(1KB)
----Dockerfile(401B)
----MAINTAINERS(71B)
----README.zh-CN.md(21KB)
----requirements.txt(36B)
----data()
--------fashion()
--------mnist()
----.dockerignore(0B)
----sylwek()
--------similarity_measure.py(2KB)
--------data_provider.py(2KB)
--------simple_rest.py(1KB)
----CONTRIBUTING.md(2KB)
----LICENSE(1KB)
----doc()
--------img()
----static()
--------js()
--------css()
--------index.html(4KB)
--------img()
----utils()
--------__init__.py(0B)
--------helper.py(2KB)
--------mnist_reader.py(756B)
--------argparser.py(1KB)
----visualization()
--------__init__.py(0B)
--------project_zalando.py(2KB)
----README.md(20KB)
----benchmark()
--------__init__.py(0B)
--------convnet.py(5KB)
--------baselines.json(4KB)
--------runner.py(8KB)
----.zappr.yaml(149B)
----.catwatch.yaml(134B)
----app.py(485B)
----configs.py(3KB)
----README.ja.md(22KB)