CNN实现手写数字识别
使用TensorFlow框架实现CNN卷积神经网络，处理Mnist手写数字识别数据集，准确率高达99.21%。可视化版本支持可视化学习过程。
CNN
当前话题为您枚举了最新的 CNN。在这里，您可以轻松访问广泛的教程、示例代码和实用工具，帮助您有效地学习和应用这些核心编程技术。
大气模拟+PDE+CNN
大气模拟+PDE+CNN
星系图像分类CNN代码资源
利用TensorFlow框架，基于Python实现的CNN模型，用于星系图像分类任务。代码包含模型构建、训练和评估等步骤，可作为天文图像处理及深度学习应用的参考。
人体行为识别代码：基于 CNN 模型
使用 CNN 模型的人体行为识别代码可用于识别和分类图像或视频中的人体行为。该代码包含一系列用于从数据中提取特征、构建模型并评估模型性能的算法和函数。
卷积神经网络(CNN)Python实现
本代码演示了使用Python实现卷积神经网络(CNN)模型，提供了一个清晰的CNN示例，有助于理解其工作原理。
CNN处理kdd99数据集
利用TensorFlow实现CNN（卷积神经网络）处理kdd99数据集，包括数据预处理和分类代码，准确率高达99.6%以上，并能快速收敛至最优值。
车牌识别模型基于CNN与OpenCV的应用
车牌识别模型采用CNN和OpenCV技术进行实现。该模型通过卷积神经网络（CNN）提取车牌特征，并利用OpenCV进行图像处理和车牌定位，从而实现高效的车牌识别。
TensorFlow实现的基于CNN的验证码识别模型
本模型基于TensorFlow实现，采用卷积神经网络(CNN)识别4位字符验证码。经过60万次训练，该模型达到了90.02%的正确率。
基于CNN的中文文本分类算法应用与场景
利用word2vec获取中文文本向量，再输入卷积网络分类。
可应用场景- 垃圾邮件过滤- 情感分析
运行方法1. 训练：run python train.py2. 查看summaries：run tensorboard --logdir /{PATH_TO_CODE}/runs/{TIME_DIR}
基于CNN和CIFAR-10的图像智能分类Web应用
本Web应用基于卷积神经网络(CNN)和CIFAR-10数据集，用于图像智能分类。它提供了一个用户友好的界面，允许用户上传图像并获取分类结果。该应用适合用于学习和练手、毕业设计、课程设计、大作业、工程实训和相关项目或竞赛学习。它具有较高的学习借鉴价值，可直接修改复现或在此基础上进行扩展和修改。