注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. Tensorflow实现AlexNet

  2. Tensorflow实现AlexNet，但是做了点修改，将最后一层的relu激活函数改成了sigmoid函数，主要是为了实现深度哈希

  3. 所属分类：深度学习

    • 发布日期：2017-12-28
    • 文件大小：4096
    • 提供者：sweetyit

  1. MNIST手写字识别+ReLU激活函数+规则化

  2. MNIST手写字识别 ReLU激活函数 规则化 识别率最高可达到97.5

  3. 所属分类：机器学习

    • 发布日期：2018-03-18
    • 文件大小：16777216
    • 提供者：hoho1151191150

  1. DCGAN-tensorflow-master程序

  2. 1、DCGAN的简单总结 稳定的深度卷积GAN 架构指南: 所有的pooling层使用步幅卷积(判别网络)和微步幅度卷积(生成网络)进行替换。 在生成网络和判别网络上使用批处理规范化。 对于更深的架构移除全连接隐藏层。 在生成网络的所有层上使用RelU激活函数，除了输出层使用Tanh激活函数。 在判别网络的所有层上使用LeakyReLU激活函数。

  3. 所属分类：Python

    • 发布日期：2018-06-13
    • 文件大小：39845888
    • 提供者：qq_42450900

  1. 理解神经网络的激活函数

  2. 激活函数在神经网络中具有重要的地位，对于常用的函数如sigmoid，tanh，ReLU，不少读者都已经非常熟悉。但是你是否曾想过这几个问题： 为什么需要激活函数？ 什么样的函数可以做激活函数？ 什么样的函数是好的激活函数？ 在这篇文章中，SIGAI将和大家一起讨论这几个问题，以加深对激活函数的理解，如果对本文的观点持有不同的意见，欢迎向我们的公众号发消息一起讨论。

  3. 所属分类：机器学习

    • 发布日期：2018-06-26
    • 文件大小：553984
    • 提供者：sigai_csdn

  1. 神经网络激活函数matlab

  2. 神经网络最全激活函数，包括sigmoid，tanh，ReLU，ELU，PReLU，softplus，liner等激活函数，应有尽有

  3. 所属分类：深度学习

    • 发布日期：2018-09-09
    • 文件大小：1024
    • 提供者：qq_36264912

  1. matlab手动实现BP网络，不调用工具箱(内附手写数字识别包含数据集）显示loss函数

  2. 神经元节点的个数，隐藏层的个数，都是可以调节的，Optimer优化器有SGD,mSGD,nSGD,AdaGrad,RMSProp,nRMSProp,Adam，激活函数有relu和sigmoid

  3. 所属分类：深度学习

    • 发布日期：2019-04-27
    • 文件大小：14680064
    • 提供者：weixin_40225128

  1. conv_relu_40000.weights

  2. 将yolov2中的leaky-relu激活函数换成relu函数之后，重新对网络进行训练，得到的权值。在VOC2012上进行验证，准确率为68.85 % 。

  3. 所属分类：深度学习

    • 发布日期：2019-06-09
    • 文件大小：114294784
    • 提供者：crazyeden

  1. MNISTMatlab程序_BP.zip

  2. MNIST手写字识别，BP神经网络CNN程序，ReLU激活函数，均方误差代价函数，L2规则化， Matlab源代码，可直接运行，最高可达精度98.34%。

  3. 所属分类：深度学习

    • 发布日期：2020-04-17
    • 文件大小：22020096
    • 提供者：weixin_39946884

  1. pytorch方法测试——激活函数(ReLU)详解

  2. 今天小编就为大家分享一篇pytorch方法测试——激活函数(ReLU)详解，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧

  3. 所属分类：其它

    • 发布日期：2020-09-18
    • 文件大小：29696
    • 提供者：weixin_38551837

  1. Keras 中Leaky ReLU等高级激活函数的用法

  2. 主要介绍了Keras 中Leaky ReLU等高级激活函数的用法，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧

  3. 所属分类：其它

    • 发布日期：2020-09-16
    • 文件大小：98304
    • 提供者：weixin_38729685

  1. 神经网络中各种激活函数的Python实现

  2. 本资源主要是可视化各种激活函数：Relu，sigmoid ，swish，mish等，只需要依赖numpy，不需要安装pytorch，只是一个简单的demo

  3. 所属分类：Linux

    • 发布日期：2020-11-22
    • 文件大小：5120
    • 提供者：weixin_38907330

  1. Keras 中Leaky ReLU等高级激活函数的用法

  2. 在用Keras来实现CNN等一系列网络时，我们经常用ReLU作为激活函数，一般写法如下： from keras import layers from keras import models model = models.Sequential() model.add(layers.Conv2D(32, (3, 3), activation='relu', input_shape=(28, 28, 1))) model.add(layers.MaxPooling2D((2, 2))) model.

  3. 所属分类：其它

    • 发布日期：2020-12-17
    • 文件大小：99328
    • 提供者：weixin_38522253

  1. python 深度学习中的4种激活函数

  2. 这篇文章用来整理一下入门深度学习过程中接触到的四种激活函数，下面会从公式、代码以及图像三个方面介绍这几种激活函数，首先来明确一下是哪四种： Sigmoid函数 Tahn函数 ReLu函数 SoftMax函数 激活函数的作用 下面图像A是一个线性可分问题，也就是说对于两类点(蓝点和绿点)，你通过一条直线就可以实现完全分类。 当然图像A是最理想、也是最简单的一种二分类问题，但是现实中往往存在一些非常复杂的线性不可分问题，比如图像B，你是找不到任何一条直线可以将图像B中蓝点和绿点完

  3. 所属分类：其它

    • 发布日期：2020-12-16
    • 文件大小：137216
    • 提供者：weixin_38502510

  1. pytorch方法测试——激活函数(ReLU)详解

  2. 测试代码： import torch import torch.nn as nn #inplace为True，将会改变输入的数据 ，否则不会改变原输入，只会产生新的输出 m = nn.ReLU(inplace=True) input = torch.randn(7) print("输入处理前图片：") print(input) output = m(input) print("ReLU输出：") print(output) print("输出的尺度：") print(output.size()

  3. 所属分类：其它

    • 发布日期：2020-12-23
    • 文件大小：33792
    • 提供者：weixin_38646706

  1. PyTorch学习笔记（三）定义各种卷积池化线性激活层

  2. Environment OS: macOS Mojave Python version: 3.7 PyTorch version: 1.4.0 IDE: PyCharm 文章目录0. 写在前面1. 卷积与转置卷积1.1 卷积层1.2 转置卷积层2. 池化与去池化2.1 池化层2.2 去池化层3. 线性连接4. 激活函数4.1 sigmoid4.2 tanh4.3 ReLU4.4 ReLU 的修改版们 0. 写在前面 本文记录一下使用 PyTorch 建立神经网络模型中各种层的定义方法，包括卷积

  3. 所属分类：其它

    • 发布日期：2020-12-21
    • 文件大小：486400
    • 提供者：weixin_38706100

  1. tensorflow自定义激活函数实例

  2. 前言：因为研究工作的需要，要更改激活函数以适应自己的网络模型，但是单纯的函数替换会训练导致不能收敛。这里还有些不清楚为什么，希望有人可以给出解释。查了一些博客，发现了解决之道。下面将解决过程贴出来供大家指正。 1.背景 之前听某位老师提到说tensorflow可以在不给梯度函数的基础上做梯度下降，所以尝试了替换。我的例子时将ReLU改为平方。即原来的激活函数是 现在换成 单纯替换激活函数并不能较好的效果，在我的实验中，迭代到一定批次，准确率就会下降，最终降为10%左右保持稳定。而事实上，这中

  3. 所属分类：其它

    • 发布日期：2020-12-20
    • 文件大小：67584
    • 提供者：weixin_38702047

  1. ReLU激活函数杂谈

  2. 在实现多层感知机代码实现中使用了ReLU激活函数： ReLU(x)=max(x,0)ReLU(x)=max(x,0)ReLU(x)=max(x,0) 形状大概是这样的 这里根据几个问题来进行回答解释 为什么要使用激活函数呢？ 简单来说激活函数的作用就是将仿射函数进行非线性化，可以拟合出更多的情况。更详细的解答可以参考知乎激活函数的解释 ReLU函数的梯度问题 首先谈一下sigimoid函数的梯度，通常不选用它是因为sigmoid函数可能有梯度消失的情况，原因可以看它的梯度函数图 可以看到蓝色

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：60416
    • 提供者：weixin_38733333

  1. Neural-Network:mnist.pkl数据集的源码，并做了一些改进：反向传播由循环计算转换矢量化计算来大大提高速度； Sigmoid，cos，tanh等多个激活函数，同时也可以选择二次代价函数或交叉熵代价函数-源码

  2. 神经网络 编译环境：python3 由数据集mnist.pkl的源码修改而来 中间层的激活函数可以选为Sigmoid，cos，tanh，ReLU，输出层的激活函数为softmax代价函数可以选为二次代价函数和交叉熵代价函数 最后保存权重w和重置b

  3. 所属分类：其它

    • 发布日期：2021-03-24
    • 文件大小：16777216
    • 提供者：weixin_42117150

  1. 二次激活函数：深度学习最终项目-源码

  2. ECE472（深度学习）最终项目 二次神经元作为深度神经网络中的激活功能 安德鲁·洛伯（Andrew Lorber）和马克·科斯科夫斯基（Mark Koszykowski） 摘要：我们的深度学习最终项目基于Yaparla Ganesh和Rhishi Pratap Singh在使用二次神经元进行模式分类的研究中进行的一项实验研究。 他们的论文讨论了使用二次（QUAD）神经元来构建二次神经网络，这与多层感知器（MLP）模型中熟悉的线性神经元相反。 本文展示了其二次神经元作为二次激活函数的用途。 在

  3. 所属分类：其它

    • 发布日期：2021-02-15
    • 文件大小：1048576
    • 提供者：weixin_42172204

  1. 激活函数（ReLU、sigmoid、tanh）的简单理解

  2. ReLU函数 ReLU（rectified linear unit）函数提供了⼀个很简单的⾮线性变换。给定元素 ，该函数定义为： 可以看出，ReLU函数只保留正数元素，并将负数元素清零。函数图像如下图： 显然，当输⼊为负数时，ReLU函数的导数为0；当输⼊为正数时，ReLU函数的导数为1。尽管输⼊为0 时ReLU函数不可导，但是我们可以取此处的导数为0。绘制ReLU函数的导数图像： sigmoid函数 sigmoid函数可以将元素的值变换到0和1之间，函数定义： sigmoid函数在早期

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：148480
    • 提供者：weixin_38622125
« 12 3 4 »