-
-
TensorFlow tf.nn.conv2d实现卷积的方式
... 1.2.0，python2.7
介绍
惯例先展示函数：
tf.nn.conv2d(input, filter, strides, padding, use_cudnn_on_gpu=None, name=None)
除去name参数 ...
-
nn.CrossEntropyLoss()
用于多分类，直接写标签序号就可以：0,1,2.
预测需要维度与标签长度一致。
import torch
import torch.nn as nn
import math
criterion = nn.CrossEntropyLoss()
output = torch.randn(3, 5, requires_grad=True)
label = torch.empty(3, dtype=torch.long).random_(5)
loss = criterion(output, label)
...
-
tf.nn，tf.layers， tf.contrib模块
我们在使用tensorflow时，会发现tf.nn，tf.layers， tf.contrib模块有很多功能是重复的，尤其是卷积操作，在使用的时候， ... 选择对应的模块。但有些时候可以一起混用。
下面是对三个模块的简述：
（1）tf.nn ：提供神经网络相关操作的支持，包括卷积操作（conv）、池化操作（pooling）、归 ... 。
（2）tf.layers：主要提供的高层的神经网络，主要和卷积相关的，个人感觉是对tf.nn的进一步封装，tf.nn会更底层一些。
（3）tf.contrib：tf.contrib.la
-
nanoflann：nanoflann：C ++ 11的仅标头库，用于使用KD树进行最近邻居（NN）搜索
... 和SO（3）（2D和3D旋转组）。 不提供对近似NN的支持。 nanoflann不需要编译或安装。 您只需要在代码中 ... = {nanoflann: a {C}++ header-only fork of {FLANN}, a library for Nearest Neighbor ({NN}) with KD-trees},
author = {Blanco, Jose Luis and Rai, Pranjal Kumar},
howpublished = {\url{ ...
-
NN-SVG：可发布的NN体系结构示意图
... 很耗时，并且机器学习研究人员经常发现自己是从头开始构建这些图的。
NN-SVG是用于参数化而非手动创建神经网络（NN）体系结构图的工具。 它还提供了将这些图形导出到可缩放矢量图形（ ... 和深度神经网络的数字。 前两个使用，而第二个使用JavaScript库。 NN-SVG提供了通过多种尺寸，颜色和布局参数根据用户喜好对图形进行样式设置 ... 软件在某些情况下也可以用作教学工具。
引文
勒尼尔（2019）。 NN-SVG：准备发布的神经网络体系结构示意图。 开源软件杂志，4（33 ...
-
-
识别手写数字KNN：MNIST K-NN分类
ML-MNIST K-NN分类
使用scikit-learn库提供的子集。
MNIST是一个计算机视觉数据集，由手写数字和每个图像的标签组成（用于告诉它是哪个数字）
k-NN分类器将应用于图像数据集，以便从MNIST子集中识别手写数字。
理解
数据集的75％将接受培训，其余的将进行测试；
培训数据的10％ ...
-
-
scarpet-nn：在Minecraft中运行神经网络的工具和库
Scarpet-nn
在Minecraft中运行神经网络的工具和库 :pick:
scarpet-nn允许您在Minecraft世界中运行神经网络（特别是二值神经网络）。 这对于在研究场景中对神经网络性能进行基准测试很有用。 如果您是Minecraft地图设计师，则可以使用Scarpet-nn根据用户在墙上或您选择的输入区域上绘制的内容执行特定/隐藏的动作。
在阅读完整的文档
执照
-
-
Go To English Version 超过100万源码资源，1000万源码文件免费下载
