1279 条“神经网络建模与仿真-8” 相关内容
- Erlangmnesia8.将Mnesia与SNMP结合使用 | 8. Combine Mnesia with SNMP
8.将Mnesia与SNMP结合使用 | 8. Combine Mnesia with SNMP
8将Mnesia与SNMP结合使用 8.1结合Mnesia和SNMP 许多电信应用程序必须进行远程控制和重新配置。使用诸如简单网络管理协议（SNMP）之类的开放协议来执行此远程控制有时是有利的。
- 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。
- Electron指南 | Guides使用本机节点模块 | Using Native Node Modules
使用本机节点模块 | Using Native Node Modules
- 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。
- Erlangtools工具 | instrument
工具 | instrument
仪器 模块 仪器 模块摘要 仪器分析与实用函数 描述 模块instrument包含对研究Erlang运行时系统中资源使用情况的支持。目前，只能研究内存的分配问题。
- 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）
如何使用tf.estimator将线性模型与深度学习相结合以获得两者的优点。 阅读本概述以确定tf.estimator线性模型工具是否对您有用。然后做线性模型教程试一试。
- 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）
- ReactNative创建 | ContributingTesting your Changes
Testing your Changes
这些测试与Travis和Circle持续集成系统一起运行，该系统将自动注释带请求的测试结果。 无论您何时修复错误或向ReactNative添加新功能，都应该添加一个覆盖它的测试。
- Erlang指南：效率指南 | Guide: Efficiency guide8.处理 | 8. Processes
8.处理 | 8. Processes
8过程 8.1创建一个Erlang进程 与操作系统中的线程和进程相比，Erlang进程是轻量级的。 新产生的Erlang进程在非HiMP支持的非SMP模拟器中使用309个字的内存。
- 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。
- Erlang指南：教程 | Guide: Tutorial8. NIFs
8. NIFs
8NIFs 本节概述了如何ProblemExample使用NativeImplementedFunctions（NIF）解决示例问题的示例。
- TensorFlow指南 | GuideEstimators（估计量）
Estimators（估计量）
简而言之，使用Estimators创建模型通常比使用低级别的TensorFlowAPI更容易。估算器本身是建立在tf.layers上的，它简化了定制。估算人员为您建立图表。换句话说，你不必建立图表。
- 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。
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