- 博客(6)
- 收藏
- 关注
RSS订阅原创 基于深度学习的图像识别（cifar10数据集）
（2）在model对象中添加第一组“卷积层+池化层+Dropout层”，包括添加卷积层Conv2D（），输出通道数为32，卷积核大小为3×3，填充方式padding为’same’，使用ReLU函数作为激活函数，输入数据的形状为input_shape=x_train.shape[1:]；CIFAR-10作为计算机视觉领域的经典基准数据集，以其适中的规模、清晰的10个类别定义（涵盖飞机、汽车、鸟类等常见物体）和丰富的32x32像素彩色图像，成为研究者验证新算法性能、进行模型对比及学习图像识别技术的“试金石”。
2025-12-19 08:57:21
905
原创 交通标志识别（TSR）
（2）在model对象中使用model.add()添加第一组“卷积层+池化层+Dropout层”，首先添加卷积层Conv2D（），输出通道数为64，卷积核大小为3×3，使用ReLU函数作为激活函数，输入数据的形状为input_shape=(150,150,3)；实验数据分为训练集（4,200张）、验证集（600张）和测试集（100张）。（5）在model对象中添加第四组“卷积层+池化层+Dropout层”，首先添加卷积层，输出通道数为128，卷积核大小为3×3，使用ReLU函数作为激活函数；
2025-12-19 08:31:41
499
原创 RAG智能问答系统
2.运行 app.py，任选 resource/questions.txt 文件内的两个问题，使用本机或 resource 目录内的“PixPin”截图软件（免安装版），针对这两个问题的问答过程进行录屏（包括文件上传、索引构建、检索与生成等关键操作的录制），生成 gif，重命名为“基于streamlit_app的RAG问答操作演示.gif”，保存到 result 目录。上下文噪声：检索到的 Top-K 文本块中可能包含与问题无关的信息，这些噪声会干扰 LLM 的判断，导致生成的答案不准确或包含无关细节。
2025-12-18 14:15:41
927
原创 【无标题】
MNIST手写数字识别系统是一个基于Streamlit开发的交互式深度学习应用平台，用于手写数字图像的识别、模型训练和性能分析。系统集成了数据加载、可视化分析、模型训练、实时预测和训练监控等功能，帮助用户从基础数据探索到深度学习模型部署的全流程体验。
2025-12-17 11:14:19
348
原创 手写数字识别
本项目旨在通过构建端到端的图像识别系统，探索手写数字识别的关键技术，评估目标：评估学生理解业务需求、分析数据价值并提出洞见的能力。数据集作为基准数据集，包含大量手写数字图像及其标签，为算法。评估目标：评估学生应用深度学习技术处理图像数据的能力。设计端到端系统，包含数据加载、可视化、模型训练、实时。②实时显示上传图像及其预处理结果（灰度化、归一化）。②统计构建数据集特征图的通道间相关性，生成热力图。②统计构建数据集特征图的通道间相关性，生成热力图。评估目标：评估学生进行知识传递与用户培训的能力。
2025-12-17 11:13:51
839
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人