کد مقاله را وارد کنید !
راهنمای جامع: تسلط بر طبقه‌بندی MNIST با یادگیری عمیق
دوره 1، شماره 1، 1402، صفحات 13 - 17
نویسندگان : شیما اکبری* 1 ، امیرمحمد ولی‌پور 2

1 مربی، گروه کامپیوتر، مؤسسه آموزش عالی آپادانا، شیراز، ایران.

2 دانشجوی کارشناسی رشته مهندسی کامپیوتر، مؤسسه آموزش عالی آپادانا، شیراز، ایران.

چکیده :
در این مقاله، ما در دنیای یادگیری عمیق کاوش می‌کنیم و کاربرد آن را در طبقه‌بندی مجموعه داده MNIST با استفاده از پایتون و کراس بررسی می‌کنیم. مجموعه داده MNIST، متشکل از ارقام دست¬نویس، یک معیار اساسی برای ارزیابی مدل‌های یادگیری ماشین بوده است. ما یک راهنمای گام¬به¬گام، از بارگذاری و پیش‌پردازش داده¬ها تا ایجاد و ارزیابی مدل ارائه می‌دهیم. معماری شبکه عصبی باKeras ، شامل لایه¬های ورودی و خروجی همراه با یک لایه پنهان برای استخراج ویژگی طراحی شده است. این مدل آموزش‌دیده و ارزیابی شده است و دقت خود را بر روی داده‌های تست نشان می‌دهد. از طریق این برنامه آموزشی، خوانندگان بینش¬های عملی در مورد اصول یادگیری عمیق و پتانسیل اعمال این تکنیک‌ها در سایر وظایف بینایی کامپیوتری به دست می‌آورند
کلمات کلیدی :
یادگیری ماشینی، یادگیری عمیق، MNIST، بینایی کامپیوتر
بازدید امروز
12
بازدید دیروز
20
بازدید کل
17,277
پشتیبانی آنلاین از طریق واتساپ

پژوهشگران گرامی؛ پاسخگوی سوالات شما عزیزان از طریق واتساپ هستیم !


جهت ارسال پیام در واتساپ اینجا کلیک نمائید !