文件名称：mnist-number-classification:mnist手写数字的简单分类
文件大小：57.11MB
文件格式：ZIP
更新时间：2024-05-18 03:50:16
tensorflow jupyter-notebook python3 mnist-classification coreml-models
mnist数分类 这是使用手写数字的训练的卷积神经网络模型，该模型的实现是为了支持演示应用程序。 工具 该模型 该模型以70个纪元进行了训练，批次大小为512。实现了0.984400的验证准确度和0.9861225328947368的测试准确度。 用于以0.00001的学习率训练该网络。 建筑学 conv2d，滤镜大小为32，步幅为5，填充相同并激活relu 池大小为2且步幅为2的max_pooling2d conv2d，过滤器大小为64，步幅为5，填充相同，并激活relu 池大小为2且步幅为2的max_pooling2d 与输出数量1024和relu激活完全连接 与输出数量为10完全连接且没有激活功能 softmax激活层 CoreML模型 通过训练有素的模型和保存的.pb文件，使用tf-coreml生成CoreML模型。 该代码位于 学分和感谢 Udacity的深度学习
【文件预览】：
mnist-number-classification-master
----numbers_network_model.data-00000-of-00001(37.48MB)
----numbers_network_model.meta(78KB)
----Mnist.mlmodel(12.49MB)
----README.md(2KB)
----numbers_network_model.index(974B)
----mnist_model.pb(12.5MB)
----.gitignore(2KB)
----Numbers_Classification.ipynb(60KB)
----checkpoint(99B)
----coreml_converter.py(696B)