- 深度学习数学基础
- 机器学习原理
- 深度学习原理
- 深度学习加法以及神经网络最优路径原理以及梯度概念
- 深度学习的矩阵计算
- GPU计算简介
- 深度学习框架简介
- 深度学习数据网络序列化
- 深度学习神经网络矩阵计算
- 深度学习神经网络线性回归
- 实现轻量级神经网络训练1
- 实现轻量级神经网络训练2
- gdeep深度学习框架介绍
- Mnist数据集简介
- 深度学习手写识别损失函数交叉熵
- 深度学习手写识别计算识别率
- 深度学习手写识别根据模型计算识别率
- 深度学习手写识别根据模型预测数据检查结果
- 深度学习手写识别进行图片识别
- 深度学习GPU配置信息写入
- 神经网络调用指南
- 神经网络架构
- 实现张量
- layer
- 神经网络核心
- 损失函数
- 优化器
- 训练
- 实现神经网络调用
- weakai深度算法框架
- 定义神经网络
- 创建神经网络
- 损失函数
- 正向与反向传播计算权重
- 实现训练与预测
- 实现异或计算
- 神经网络数据模型
- 实现线性数据预测
- golang实现图像识别数据载入
- golang实现图像识别-循环卷积神经网络框架搭建
- golang实现图像识别-循环卷积神经网络实现
- golang实现图像识别-循环卷积网络初始化
- golang实现图像识别-循环卷积神经网络测试训练预测与成功率统计
- golang实现图像识别-训练过程1
- golang实现图像识别-训练过程2
- golang实现图像识别-训练过程3
- 受限玻尔兹曼机神经网络
- 受限玻尔兹曼机神经网络框架搭建
- 构造受限玻尔兹曼机神经网络
- 实现受限玻尔兹曼机的数学基础函数
- 实现受限框架玻尔兹曼机的单层神经网络正向传播反向传播
- 实现玻尔兹曼机的连续正向反向传播
- 实现受限玻尔兹曼机的训练
- 实现玻尔兹曼机的构造重构
- 受限玻尔兹曼机的实现
- DBN深度置信神经网络结构介绍
- DBN深度置信神经网络隐藏层实现
- DBN基础-逻辑回归神经网络
- 构造DBN神经网络并初始化
- DBN深度置信神经网络预处理
- DBN深度置信神经网络训练
- DBN深度置信神经网络预测
- DBN深度置信神经网络数据测试
- DA神经网络构造
- DA神经网络编码解码
- DA神经网络训练
- DA神经网络数据测试
- 卷积神经网络-图片处理
- 人工数据网络-模拟人脑
- 单层与多层数据网络
- Varis轻量级神经网络
- 可实现图像识别的中等神经网络
- 前置神经网络
- 模型神经网络
- 图像识别框架gonn
- 循环神经网络与离散神经网络
- 简单多层神经网络
- 机器学习简单回顾
- 机器学习小结
- 神经网络层原理
- 堆叠StackLSTM神经网络
- 数据网络层的概念
- 逻辑回归神经网络逻辑实现
- 逻辑回归神经网络测试
- 图像处理的运行
- 神经网络训练
- 神经网络概念
- 神经网络线性回归计算原理
- 神经网络选择原理
- 极简神经网络
- 用神经网络预测实现手写识别
- 神经网络均方与交叉熵的实现
- 神经网络训练计算差别
- 神经网络训练
- 单层神经网络
- 双层神经网络实现上
- 双层神经网络实现中
- 双层神经网络实现下
- 测试运行双层神经网络与手写识别
- 图像识别神经网络
- 课程配套资料
0/1024
暂无留言
