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. Ubuntu14.04+CUDA7.0+cuDNN_v4+theano+gpu

  2. 建议边配置边学习，可以稍微了解一下linux的操作命令，帮助很大

  3. 所属分类：互联网

    • 发布日期：2017-02-24
    • 文件大小：6144
    • 提供者：qikaihuting

  1. Go机器学习库Gorgonia.zip

  2. Gorgonia 是 Go 机器学习库。撰写和评估多维数组的数学公式。与  Theano 和 TensorFlow 理念相似。具体来说，Gorgonia 性能：执行自动分化执行符号微分优化梯度下降进行稳定的数值计算提供便捷功能来帮助创建神经网络操作快（与Theano和Tensorflow速度相当）支持GPU / CUDA支持分布式计算

  3. 所属分类：其它

    • 发布日期：2019-07-16
    • 文件大小：1048576
    • 提供者：weixin_39840588

  1. nlc, 在Tensorflow上实现神经语言校正.zip

  2. nlc, 在Tensorflow上实现神经语言校正 这个项目将我们的原始代码移植到 Theano 。 仍在开发中。简介基于Tensorflow的神经语言校正( http://arxiv.org/abs/1603.09727 )的。培训要训练字符级模型( 默认值)，请执行以下操作：

  3. 所属分类：其它

    • 发布日期：2019-09-17
    • 文件大小：18432
    • 提供者：weixin_38743737

  1. blocks, 构建和训练神经网络的Theano框架.zip

  2. blocks, 构建和训练神经网络的Theano框架 块块是一个帮助你在Theano之上构建神经网络模型的框架。 目前它支持并提供：构造参数化Theano操作，称为 bricks""Pattern 匹配用于选择大型模型中的变量和砖块优化模型的算法培训的保存

  3. 所属分类：其它

    • 发布日期：2019-09-18
    • 文件大小：724992
    • 提供者：weixin_38744435

  1. Keras中文文档.pdf

  2. Keras官方文档PDF版，带书签，一共307页，完整版，目前最好的版本！欢迎下载！model train on batch(x batch, y batch) 只需一行代码就能评估模型性能: loss and metrics modelevaluate(x test, y test, batch size=128) 或者对新的数据生成预测: classes =model predictx test, batch size=128) 构建一个问答系统,一个图像分类模型,一个神经图灵机,或者其他的

  3. 所属分类：深度学习

    • 发布日期：2019-09-03
    • 文件大小：12582912
    • 提供者：dzgybd

  1. Tensorflow-Josh 特别详细版本.pdf

  2. 本文档中主要详细描述了在TensorFlow实现的一些算法、图操作、以及一些练习题cd tensorflow-workshop; git pull TensorFlow o Fast flexible, and scalable open-source machine learning library For research and production o Runs on cpu, gpu android. ios Raspberry p TensorFlow ● Apache20 li

  3. 所属分类：Hadoop

    • 发布日期：2019-08-09
    • 文件大小：11534336
    • 提供者：baidu_27490831

  1. keras的backend 设置 tensorflow,theano操作

  2. 主要介绍了keras的backend 设置 tensorflow,theano操作，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：58368
    • 提供者：weixin_38642285

  1. 解决keras加入lambda层时shape的问题

  2. 使用keras时，加入keras的lambda层以实现自己定义的操作。但是，发现操作结果的shape信息有问题。 我的后端是theano，使用了sum操作。 比如输入时，shape为（32，28，28），其中32为batch大小。 此时对应的ndim应该等于3。 但是，lambda处理后结果显示_keras_shape为（32，28，28），而ndim却是2。 这导致后边各项操作都会出现问题。 此处sum函数加入参数keepdims=True即可。 此注意keras中的各种层几乎都不用去理会ba

  3. 所属分类：其它

    • 发布日期：2020-12-17
    • 文件大小：40960
    • 提供者：weixin_38549327

  1. 使用Keras建立模型并训练等一系列操作方式

  2. 由于Keras是一种建立在已有深度学习框架上的二次框架，其使用起来非常方便，其后端实现有两种方法，theano和tensorflow。由于自己平时用tensorflow，所以选择后端用tensorflow的Keras，代码写起来更加方便。 1、建立模型 Keras分为两种不同的建模方式， Sequential models：这种方法用于实现一些简单的模型。你只需要向一些存在的模型中添加层就行了。 Functional API：Keras的API是非常强大的，你可以利用这些API来构造更加复杂的模

  3. 所属分类：其它

    • 发布日期：2020-12-17
    • 文件大小：180224
    • 提供者：weixin_38732740

  1. keras的backend 设置 tensorflow,theano操作

  2. win7 系统环境安装步骤： 1.首先是安装Python，建议安装anaconda 2.安装完anaconda后打开anaconda promp命令行promp，输入conda list. 可以看到已经安装的库以及版本等信息，注意此时没有keras. 3.通过 conda install keras 或 pip install keras 直接安装。（会默认的给你安装keras最新版本和所需要的theano） 4.安装完成之后，就可以打开notebook,输入import keras 检查是否成

  3. 所属分类：其它

    • 发布日期：2020-12-17
    • 文件大小：59392
    • 提供者：weixin_38543460

  1. 使用K.function()调试keras操作

  2. Keras的底层库使用Theano或TensorFlow，这两个库也称为Keras的后端。无论是Theano还是TensorFlow，都需要提前定义好网络的结构，也就是常说的“计算图”。 在运行前需要对计算图编译，然后才能输出结果。那这里面主要有两个问题，第一是这个图结构在运行中不能任意更改，比如说计算图中有一个隐含层，神经元的数量是100，你想动态的修改这个隐含层神经元的数量那是不可以的；第二是调试困难，keras没有内置的调试工具，所以计算图的中间结果是很难看到的，一旦最终输出跟预想不一致，

  3. 所属分类：其它

    • 发布日期：2020-12-17
    • 文件大小：62464
    • 提供者：weixin_38659248

  1. 浅谈keras 的抽象后端(from keras import backend as K)

  2. keras后端简介： Keras 是一个模型级库，为开发深度学习模型提供了高层次的构建模块。它不处理诸如张量乘积和卷积等底层操作，目的也就是尽量不重复造轮子。 但是底层操作还是需要的， 所以keras 依赖于一个专门的、优化的张量操作库来完成这个操作。 我们可以简单的认为这是 Keras 的「后端引擎」， keras 有三个后端实现可用 、 即： TensorFlow 后端，Theano 后端，CNTK 后端。 如果你需要修改你的后端， 只要将字段 backend 更改为 theano 或 c

  3. 所属分类：其它

    • 发布日期：2020-12-17
    • 文件大小：84992
    • 提供者：weixin_38575421

  1. 关于Tensorflow中的tf.train.batch函数的使用

  2. 这两天一直在看tensorflow中的读取数据的队列，说实话，真的是很难懂。也可能我之前没这方面的经验吧，最早我都使用的theano，什么都是自己写。经过这两天的文档以及相关资料，并且请教了国内的师弟。今天算是有点小感受了。简单的说，就是计算图是从一个管道中读取数据的，录入管道是用的现成的方法，读取也是。为了保证多线程的时候从一个管道读取数据不会乱吧，所以这种时候 读取的时候需要线程管理的相关操作。今天我实验室了一个简单的操作，就是给一个有序的数据，看看读出来是不是有序的，结果发现是有序的，所以

  3. 所属分类：其它

    • 发布日期：2020-12-23
    • 文件大小：52224
    • 提供者：weixin_38699492

  1. 关于Windows下的Pytorch、Tensorflow、Keras、Theano深度学习框架的环境搭建

  2. 安装各类深度学习框架所必备的操作

  3. 所属分类：深度学习

    • 发布日期：2020-12-23
    • 文件大小：616448
    • 提供者：xiongzai2016

  1. pdata-源码

  2. 数据 用于数据分析和可视化的通用Python库。 模块概述 datagen ：根据概率分布生成模拟数据 dirstructure ：分析文件系统中的目录，并使用从文件名和目录结构中提取的数据构建Pandas数据dirstructure distributions ：概率分布的估计参数 ml ：基于Scikit-learn的机器学习任务的辅助功能 pdutils ：用于处理存储在Pandas数据pdutils的数据的实用程序 theanoutils ：用于创建和操作Theano / PyMC3对

  3. 所属分类：其它

    • 发布日期：2021-03-17
    • 文件大小：9216
    • 提供者：weixin_42160425

  1. fast_rcnn_keras-源码

  2. 喀拉拉邦 更快的R-CNN的Keras实现：通过区域提议网络实现实时目标检测。 从克隆 修复了从原产地奥克隆克隆时的几个错误 用法： theano和tensorflow后端都受支持。 但是在theano中编译时间非常长，强烈建议使用Tensorflow。 train_frcnn.py可用于训练模型。 要训​​练Pascal VOC数据，只需执行以下操作： python train_frcnn.py -p /path/to/pascalvoc/ 。 Pascal VOC数据集（分类对象周围边

  3. 所属分类：其它

    • 发布日期：2021-02-19
    • 文件大小：159744
    • 提供者：weixin_42149153

  1. CountCorrect：用于分析Nanostring-WTA数据的方法，同时考虑到常见的噪声源，例如背景绑定-源码

  2. InSituCellTools（isctools） 使用概率生成模型和变异推论来分析NanostringWTA和其他基于探针的空间转录组学数据的方法。 配置环境 您需要安装miniconda并创建一个包含pymc3和theano的conda环境，准备在GPU上使用。 请按照以下步骤操作： 如果没有conda，请先安装Miniconda： cd /path/to/software wget https://repo.anaconda.com/miniconda/Miniconda3-late

  3. 所属分类：其它

    • 发布日期：2021-02-18
    • 文件大小：6291456
    • 提供者：weixin_42097189

  1. MCLNN-theano：掩蔽条件神经网络-源码

  2. Tensorflow版本可用 MCLNN：蒙版条件神经网络（theano） 为多通道时间信号设计的神经网络模型。 屏蔽条件神经网络（MCLNN）受到频谱图和在信号分析中使用滤波器组的启发。 已通过声音评估。 但是，该模型足够通用，可以用于任何多通道时间信号。 这项工作还介绍了受条件限制Boltzamann机（CRBM）启发的条件神经网络（CLNN）[1]。 CLNN是MCLNN操作的主要结构。 MCLNN允许在时间信号中以n个先前帧和n个后续帧为条件，推断帧窗口的中间帧。 遮罩会强制执行系统

  3. 所属分类：其它

    • 发布日期：2021-02-15
    • 文件大小：4194304
    • 提供者：weixin_42131633