Advertisement

minist_CNN_kreas_tsne.py

  • 5星
  •     浏览量: 0
  •     大小:None
  •      文件类型：None

简介：
该代码使用Keras实现了一个最小化的卷积神经网络（CNN），并应用t-SNE算法对模型最后一层的特征表示进行可视化，便于分析高维数据特性。 在进行论文写作时，通常需要描述深度学习模型的分类结果，并且使用t-sne对网络进行可视化是高水平论文中的常见内容之一。本资源中利用卷积神经网络对MNIST数据集进行了识别分类，并通过t-sne方法对该卷积神经网络进行了可视化处理，生成了可用于论文展示的图形。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • minist_CNN_kreas_tsne.py
    优质
    该代码使用Keras实现了一个最小化的卷积神经网络（CNN），并应用t-SNE算法对模型最后一层的特征表示进行可视化，便于分析高维数据特性。 在进行论文写作时，通常需要描述深度学习模型的分类结果，并且使用t-sne对网络进行可视化是高水平论文中的常见内容之一。本资源中利用卷积神经网络对MNIST数据集进行了识别分类，并通过t-sne方法对该卷积神经网络进行了可视化处理，生成了可用于论文展示的图形。