49 条“神经机理-4-3” 相关内容
- TensorFlow教程 | TutorialsConvolutional Neural Networks（卷积神经网络）
Convolutional Neural Networks（卷积神经网络）
卷积神经网络 注意：本教程面向TensorFlow的高级用户，并假设具备机器学习方面的专业知识和经验。 概述 CIFAR-10分类是机器学习中常见的基准问题。
- TensorFlow教程 | TutorialsRecurrent Neural Networks（复发性神经网络）
Recurrent Neural Networks（复发性神经网络）
RecurrentNeuralNetworks 介绍 请看这篇很棒的文章，特别介绍递归神经网络和LSTM。 语言建模 在本教程中，我们将展示如何在语言建模的具有挑战性的任务上训练递归神经网络。
- TensorFlow教程 | TutorialsTutorials（教程）
Tutorials（教程）
TF层指南：建立一个卷积神经网络，它引入了卷积神经网络（CNN），并演示了如何在TensorFlow中建立一个CNN。 卷积神经网络，演示如何构建一个小的CNN来识别图像。
- TensorFlow表现 | PerformanceHow to Quantize Neural Networks with TensorFlow（如何量化神经网络的张力?）
How to Quantize Neural Networks with TensorFlow（如何量化神经网络的张力?）
如何用TensorFlow量化神经网络 当现代神经网络得到开发时，最大的挑战是让他们工作！这意味着培训期间的准确性和速度是首要任务。
- TensorFlow开始 | Get Startedtf.estimator Quickstart（tf.estimator快速入门）
tf.estimator Quickstart（tf.estimator快速入门）
在本教程中，您将使用tf.estimator构建神经网络分类器，并在Iris数据集上对其进行训练，以根据萼片/花瓣几何图形预测花朵种类。
- TensorFlow教程 | TutorialsSequence-to-Sequence Models（Sequence-to-Sequence模型）
Sequence-to-Sequence Models（Sequence-to-Sequence模型）
- TensorFlow教程 | TutorialsA Guide to TF Layers: Building a Convolutional Neural Network（TF层指南:构建卷积神经网络）
A Guide to TF Layers: Building a Convolutional Neural Network（TF层指南:构建卷积神经网络）
TF层指南：构建卷积神经网络 TensorFlowlayers模块提供了一个高级API，可以轻松构建神经网络。它提供了方便创建密集（完全连接）图层和卷积图层的方法，添加了激活函数以及应用丢失正则化。
- TensorFlow开始 | Get StartedBuilding Input Functions with tf.estimator（使用tf.estimator建立输入函数）
Building Input Functions with tf.estimator（使用tf.estimator建立输入函数）
- TensorFlow扩展 | ExtendCreating Estimators in tf.estimator（在tf.estimato创建自定义估算器）
Creating Estimators in tf.estimator（在tf.estimato创建自定义估算器）
tf.estimator.DNNClassifier：构建神经网络分类模型。tf.estimator.DNNRegressor：构建一个神经网络回归模型。
- TensorFlow开始 | Get StartedRegression Examples（回归的例子）
Regression Examples（回归的例子）
与此不同的是linear_regression_categorical.py，该dnn_regression.py示例使用深度神经网络来训练模型。
- TensorFlow教程 | TutorialsTensorFlow Wide & Deep Learning Tutorial（广泛深入的学习教程）
TensorFlow Wide & Deep Learning Tutorial（广泛深入的学习教程）
TensorFlow也非常适合训练深度神经网络，您可能会考虑选择哪一个，为什么不是两个？是否有可能在一个模型中结合两者的优势？
- TensorFlow教程 | TutorialsLarge-scale Linear Models with TensorFlow（TensorFlow的大型线性模型）
Large-scale Linear Models with TensorFlow（TensorFlow的大型线性模型）
当最近的研究证明更复杂的神经网络具有多层功能时，为什么要使用如此简单的模型？ 线性模型： 与深度神经网络相比，快速训练。 可以在非常大的功能集上运行良好。
- TensorFlow开始 | Get StartedDeep MNIST for Experts（针对专家的深度MNIST）
Deep MNIST for Experts（针对专家的深度MNIST）
它擅长的任务之一是实施和培训深度神经网络。在本教程中，我们将学习TensorFlow模型的基本构建模块，同时构建深度卷积MNIST分类器。 本介绍假定您熟悉神经网络和MNIST数据集。
- TensorFlow表现 | PerformancePerformance（性能）
Performance（性能）
最后，我们提供以下指南： 如何用TensorFlow量化神经网络，它可以解释如何在存储和运行时使用量化来减小模型大小。量化可以提高性能，特别是在移动硬件上。
- C++语言 | LanguageConditional inclusion
Conditional inclusion
腾讯云开发者
扫码关注腾讯云开发者
领取腾讯云代金券
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号