%20(2).svg)
项目简介
本项目以神经网络为核心，依托TensorFlow框架，全面覆盖从环境搭建到各类神经网络模型构建与优化的全流程。涉及神经网络基础计算原理、优化策略、八股搭建方法，以及卷积神经网络和循环神经网络知识。同时提供鸢尾花分类、MNIST手写数字识别、CIFAR - 10图像识别等多个实际案例，助力学习者深入掌握神经网络应用。
项目的主要特性和功能
- 环境搭建：提供Miniconda安装、conda和pip代理设置、TensorFlow安装及环境测试详细步骤，保障开发环境顺利搭建。
- 基础原理学习：深入讲解神经网络计算过程，涵盖前向传播、损失函数、梯度下降、反向传播等核心概念，介绍常用TensorFlow函数。
- 模型优化：探讨神经网络复杂度评估、指数衰减学习率、激活函数选择、损失函数定义、欠拟合与过拟合处理及正则化方法，介绍多种参数优化器。
- 八股搭建方法：用tf.keras搭建神经网络，包含数据准备、模型定义、编译、训练和评估完整流程，通过鸢尾花分类和MNIST手写数字识别案例实践。
- 扩展功能：具备自制数据集、数据增强、断点续训、参数提取和图像识别等扩展功能，提升模型实用性和性能。
- 卷积神经网络：详细介绍卷积计算过程、感受野、全零填充、批标准化、池化和舍弃等概念，构建卷积神经网络，介绍经典卷积网络（LeNet、AlexNet、VGGNet、InceptionNet、ResNet）。
- 图像识别案例：实现基于卷积神经网络的CIFAR - 10图像识别模型，包括数据加载、预处理、模型训练和评估。
安装使用步骤
环境准备
- 下载并安装Miniconda：Miniconda3 - latest - Windows - x86_64.exe，运行Anaconda Prompt (Miniconda3)。
- 设置conda代理：
bash conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/ conda config --set show_channel_urls yes - 设置pip代理：
bash pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple - 安装TensorFlow：
bash conda install tensorflow - gpu - 更新所有包：
bash conda update --all - 测试环境：运行
1_env.py。
依赖安装
若要运行鸢尾花分类代码，需安装scikit - learn：
bash
conda install scikit - learn
运行项目
- 若要运行鸢尾花分类代码，执行
2_iris.py。 - 若要运行MNIST手写数字识别代码，执行
4_mnist_class.py。 - 若要运行MNIST图像预测代码，执行
5_mnist_predict.py。 - 若要运行CIFAR - 10图像识别代码，执行
6_cifar.py。
下载地址
点击下载 【提取码: 4003】【解压密码: www.makuang.net】