妖怪丶pugss
这家伙很懒，什么也没写
资源：13 粉丝：0
妖怪丶pugss上传的资源
LSTM股票预测
这篇ipynb文件包含用于股票预测的LSTM代码。
ipynb
351.22KB
2024-05-02 19:33
sh300index.csv数据集
该数据集是基于 LSTM 模型对股票进行预测的数据集合。
csv
659.04KB
2024-05-02 19:32
预测股市走势
利用 Lenet-5 模型预测股票走势。
csv
33.02KB
2024-05-01 11:38
动物识别与VGG网络
本 Jupyter Notebook 介绍了如何使用 VGG 网络进行动物识别。
步骤：1. 导入必要的库。2. 加载数据集。3. 预处理图像。4. 创建和训练 VGG 网络。5. 评估模型。
ipynb
15.12KB
2024-05-01 11:30
卷积神经网络图像分类数据集
使用 LeNet CNN 架构对图像进行分类的数据集。
zip
295.44KB
2024-05-01 11:24
基于CNN-Lenet网络的图像分类实战
CNN-Lenet网络图像分类实战
这份代码展示了如何使用经典的CNN-Lenet网络进行图像分类任务。Lenet-5模型由Yann LeCun教授于1998年提出，是早期卷积神经网络的代表作之一，在手写数字识别领域取得了卓越的成果。
代码主要内容：
数据准备： 加载图像数据集，并进行预处理操作，例如数据增强、归一化等。
模型构建： 定义Lenet-5模型结构，包括卷积层、池化层、全连接层等。
模型训练： 配置训练参数，如优化器、损失函数等，并使用训练数据进行模型训练。
模型评估： 使用测试数据评估模型性能，例如准确率、精确率、召回率等指标。
结果可视化： 将训练过程中的loss曲线、accuracy曲线等进行可视化展示。
通过学习这份代码，您将能够：
理解Lenet-5模型的结构和工作原理。
掌握使用TensorFlow或PyTorch等深度学习框架构建和训练CNN模型的方法。
了解图像分类任务的基本流程和评估指标。
注意事项：
请确保您已安装所需的深度学习框架和依赖库。
根据您的数据集，可能需要调整代码中的参数，例如图像大小、类别数量等。
您可以尝试修改模型结构或超参数，以进一步提升模型性能。
ipynb
54.11KB
2024-05-01 09:26
tensorflow2.0遗漏文件夹
examples.zip
zip
368.63KB
2024-05-01 07:31
银行客户流失预测代码
银行客户流失预测代码
ipynb
139.3KB
2024-05-01 07:18
银行客户流失预测测试集
scalar-test.csv 中包含用于银行客户流失预测的测试数据。
csv
113.38KB
2024-05-01 06:54
银行客户流失预测训练集
该数据集用于训练模型，以预测银行客户流失。
csv
504.92KB
2024-05-01 06:52