frooooooo/mnist-cifar10

使用sklearn库实现KNN和SVM对MNIST数据分类；使用TensorFlow实现BP,CNN,LeNet,AlexNet,VGGNet,InceptionNet,ResNet，并对MNIST和CIFAR10数据集进行分类

MNIST-CIFAR10

简介

• 使用sklearn库实现KNN和SVM对MNIST数据分类
• 使用TensorFlow实现BP, CNN, LeNet, AlexNet, VGGNet, InceptionNet, ResNet，并对MNIST和CIFAR10数据集进行分类
• 参考了人工智能实践：TensorFlow笔记-北京大学-曹健的部分代码

环境

• 语言：Python 3.7
• 库：TensorFlow 2.1, numpy, matplotlib, sklearn, matplotlib
• IDE：pycharm 2020.1

文件清单

• read_data.py：读取MNIST数据集数据，存入numpy数组；两个show打头的函数可以显示读取的数据集图片
• knn.py：使用KNN算法对MNIST数据集进行分类和模型评估，并随机输出25张错误预测样本
• svm.py：使用SVM算法对MNIST数据集进行分类和模型评估
• result.py：对不同参数的模型评估指标进行可视化
• cnn.py：定义了数据与处理函数，可以载入MNIST和CIFAR10两种数据集；定义了acc/loss可视化函数；定义了各种神经网络
• cnn-mnist.py：使用BP网络，自定义单卷积层CNN和LeNet对MNIST数据集进行分类并输出acc/loss可视化图
• cnn-cifar10.py：使用所有定义的神经网络对CIFAR10数据集进行分类并输出acc/loss可视化图
• data：存放mnist数据集的文件夹

部分结果展示

• KNN分类结果

• 不同核函数SVM分类结果

• 单层卷积神经网络在MNIST数据集上的分类准确率

• VGGNet在CIFAR10数据集上的分类准确率

• ResNet在CIFAR10数据集上的分类准确率

注意事项

• MNIST数据集须自行下载，官网链接