文件名称：Udacity_SDC_NanoDegree_Term1_Project2:交通标志分类器
文件大小：5.58MB
文件格式：ZIP
更新时间：2024-05-26 19:05:10
deep-learning HTML
Udacity_SDC_NanoDegree_Term1_Project2_Xin 项目：建立交通标志识别程序 该项目 该项目的目标/步骤如下： 加载数据集 探索，总结和可视化数据集 设计，训练和测试模型架构 使用模型对新图像进行预测 分析新图像的softmax概率 用书面报告总结结果 专栏积分 在这里，我将分别考虑并描述我在实现过程中如何解决每个要点。 撰写/自述文件 1.提供一个Writeup / README，其中包括所有要点以及如何解决每一个要点。 您可以以markdown或pdf形式提交您的文章。 您可以使用此模板作为编写报告的指南。 提交内容包括项目代码。 我测试了几种架构，下面是链接： LeNet LeNet_variation（再添加一个卷积层） 简化的VGG 数据集摘要与探索 1.提供数据集的基本摘要。 在代码中，应使用python，numpy和/或panda
【文件预览】：
Udacity_SDC_NanoDegree_Term1_Project2-master
----grayscale.png(6KB)
----new_distribution.png(8KB)
----augmentation2.png(7KB)
----equalization.png(8KB)
----augmentation.png(7KB)
----top5.png(102KB)
----new_image.png(109KB)
----LeNet_Variation.ipynb(605KB)
----Traffic_Sign_Classifier_VGG.html(915KB)
----lenet.data-00000-of-00001(4.16MB)
----signnames.csv(999B)
----lenet.meta(241KB)
----Traffic_Sign_Classifier-LeNet.ipynb(604KB)
----Traffic_Sign_Classifier-LeNet.html(900KB)
----data_set.png(155KB)
----read_signs.png(116KB)
----test_images()
--------00084.png(14KB)
--------00000.png(8KB)
--------00011.png(7KB)
--------empty(10B)
--------00051.png(81KB)
--------00020.png(35KB)
----LeNet_Variation.html(903KB)
----six_new.png(89KB)
----augmentation3.png(8KB)
----original_data.png(8KB)
----Traffic_Sign_Classifier_VGG.ipynb(610KB)
----README.md(11KB)
----LICENSE.txt(1KB)
----lenet.index(3KB)