资源简介
利用卷积神经网络来识别手写的数字图像,其中包含模型训练代码,识别代码,训练好的模型,下载即可运行。软件环境:TensorFlow+python+opencv
代码片段和文件信息
属性 大小 日期 时间 名称
----------- --------- ---------- ----- ----
文件 827 2018-06-05 20:08 1.png
文件 2038 2018-06-05 20:08 0.png
文件 2303 2018-06-05 20:04 8.png
文件 1223 2018-06-05 20:04 7.png
文件 1508 2018-06-05 20:03 5.png
文件 4648 2018-06-05 20:01 2.png
文件 9244 2018-06-05 19:38 4.png
文件 3853 2018-06-05 15:22 模型训练
文件 3058 2018-06-05 20:11 识别程序
文件 83 2018-06-05 17:21 my_net\checkpoint
文件 39295616 2018-06-05 17:21 my_net\save_net.ckpt.data-00000-of-00001
文件 896 2018-06-05 17:21 my_net\save_net.ckpt.index
文件 48109234 2018-06-05 17:21 my_net\save_net.ckpt.meta
目录 0 2018-06-05 20:12 my_net
----------- --------- ---------- ----- ----
87434531 14
----------- --------- ---------- ----- ----
文件 827 2018-06-05 20:08 1.png
文件 2038 2018-06-05 20:08 0.png
文件 2303 2018-06-05 20:04 8.png
文件 1223 2018-06-05 20:04 7.png
文件 1508 2018-06-05 20:03 5.png
文件 4648 2018-06-05 20:01 2.png
文件 9244 2018-06-05 19:38 4.png
文件 3853 2018-06-05 15:22 模型训练
文件 3058 2018-06-05 20:11 识别程序
文件 83 2018-06-05 17:21 my_net\checkpoint
文件 39295616 2018-06-05 17:21 my_net\save_net.ckpt.data-00000-of-00001
文件 896 2018-06-05 17:21 my_net\save_net.ckpt.index
文件 48109234 2018-06-05 17:21 my_net\save_net.ckpt.me
目录 0 2018-06-05 20:12 my_net
----------- --------- ---------- ----- ----
87434531 14
- 上一篇:python3.7.0.zip
- 下一篇:labelme-exe.zip
相关资源
- 基于卷积神经网络的食物图像识别
- 卷积神经网络的Python实现-参考代码
- 基于Python的卷积神经网络的分类
- Python-waifu2x利用卷积神经网络放大图片
- 卷积神经网络实现图像分类
- Python-基于卷积神经网络的Keras音频分
- 卷积神经网络源码
- 图像识别/自动完成拼图验证码的dem
- keras库对Kaggle竞赛猫狗图像分类卷积神
- Qt调用python解析百度云API实现人脸图像
- python3使用tensorflow构建CNN卷积神经网络
- CNN卷积神经网络python代码
- 基于卷积神经网络的手写数字识别
- 卷积神经网络人脸识别.txt
- 调用python接口使用googlenet进行图像识
- 卷积神经网络轴承数故障分类
- 卷积神经网络回归模型
- Python-手势识别使用在TensorFlow中卷积神
- 利用keras实现的cnn卷积神经网络对手写
- 基于vggnet卷积神经网络的图像风格迁
- CNN卷积神经网络TensorFlow代码
- 卷积神经网络(CNN)源码
- 基于OpenCV的人脸识别-python3.zip
- minist+CNN+交叉验证
- python 雷达图像识别
- python卷积神经网络实现
- 深度学习之一:卷积神经网络(CNN)
- 深度学习之二:用Tensorflow实现卷积神
- python实现的CNN代码
- CNN卷积神经网络-识别阿喵阿汪源代码
评论
共有 条评论