#744 · 主分类: 教育与研究
have-fun-with-machine-learning
机器学习与图像分类神经网络的绝对初学者指南
项目最后更新:12/19/21
GitHub Stars
5.1K
Forks数量
530
贡献者数量
7
许可证
Other
收录理由
这份指南是写给那些从未训练过模型、又不想先啃一堆理论再动手的程序员。整份教程只围绕一个具体目标展开:搭建一个卷积神经网络,让它能分辨出从未见过的照片里是海豚还是海马。作者有意绕开那些数学味很重的原理推导,直接用 Caffe 和 NVIDIA DIGITS 这些现成工具,让你边做边学——从整理图像数据集、从零训练网络,到用 AlexNet 和 GoogLeNet 这类预训练模型做微调来提升准确率,每一步都落在实操上。因为仓库放在 GitHub 上并且接受 pull request,作者把它当成一份活文档,随时欢迎别人指正补充。如果你想找一条低门槛的路子,亲手体验图像分类到底是怎么回事,这里是个不错的起点。
相关文章
暂无针对该项目的文章。
如需补充新闻资讯、使用教程、应用测评等内容,欢迎 联系我们推荐选题或投稿。
同类热门项目
prompts.chat
前身为 Awesome ChatGPT Prompts。分享、发现和收集社区提示词。免费且开源——可自托管,为您的组织提供完全隐私。
JavaGuide
Java 面试 & 后端通用面试指南,覆盖计算机基础、数据库、分布式、高并发、系统设计与 AI 应用开发
system-prompts-and-models-of-ai-tools
精选流行AI助手和编码代理的系统提示、内部工具和AI模型集合。
30-seconds-of-code
编程文章,助你提升开发技能
generative-ai-for-beginners
21节课,开始使用生成式AI构建