典型的神经网络是由数千互连的人工神经元组成，神经元是构成神经网络的基本单位。这些神经元按顺序堆叠在一起，以称为层的形式形成数百万个连接。单位划分如下:输入单元：用于接收外部环境的信息；隐藏单元：隐藏层将所需的计算及输出结果传递给输出层；输出单元：输出信号表明网络是如何响应最近获得的信息。多数神经网络都是“全连接的”，也就是说，每一个隐藏单元和输出单元都与另一边的所有单元相连接。每个单元之间的连接称...
介绍和概念 自动编码器（Auto-encoders）是神经网络的一种形式，它的输入数据与输出数据是相同的。他们通过将输入数据压缩到一个潜在表示空间里面，然后再根据这个表示空间将数据进行重构得到最后的输出数据。 自编码器的一个非常受欢迎的使用场景是图像处理。其中使用到的小技巧是用卷积层来替换全连接层。这个转变方法是将一个非常宽的，非常瘦的（比如 100*100 的像素点，3 通道，RGB）图像转...
OpenCL（全称Open Computing Language，开放运算语言）是第一个面向异构系统通用目的并行编程的开放式、免费标准。1. 是什么 OpenCL（全称Open Computing Language，开放运算语言）是第一个面向异构系统通用目的并行编程的开放式、免费标准。 目前而言，intel、Nvidia、ARM、AMD、QUALCOMM、Apple都有其对应的Open...
所需安装包这里以windows7+TensorFlow-gpu1.5+cuda8+cudnn6+anaconda5+python3.6为例。这里强烈推荐GPU版本。cuda_8.0.61_windows.exe http://developer2.download.nvidia.com/compute/cuda/8.0/secure/Prod2/local_installers/cuda_8.0....
主要参考： Generative Adversarial Networks, link模型：对高斯分布样本进行生成。GAN原理GAN有2个子网络组成，一个是Generator，即生成网络，它以噪音样本为输入，通过学习到的权重，把噪音转变（即生成）为有意义的信号；一个是Discriminator，即判别网络，他以信号为输入（可以来自generator生成的信号，也可以是真正的信号），通过学习来判别信...
卷积神经网络的知识卷积核卷积核就是卷积层的参数，是我们要训练的参数。训练好的卷积核相当于特征提取器，他对整个图进行扫描，并在每个位置留下激活值（相当于该位置拥有某特征的可能性），这些激活值组成的特征图就相当于某特征分布的概率图。一个卷积核对应一种特征，使用多个卷积核提取图像的多个特征后，可以喂给下一层卷积层让下一层的卷积核提取更深一层的特征（浅层特征间的关系与组合），直到最后可以得到输入图像各种类...
矩阵分解特征向量和特征值定义：设A∈Fn×n是n阶方阵。如果存在非零向量X∈Fn×1使AX=λX对某个常数λ∈F成立，则称λ是A的特征值(eigenvalue)，X是属于特征值λ的特征向量。设σ是数域F上向量空间V上的线性变换，如果某个非零向量u∈V被σ映射到自己的常数倍σ(u)=λu，则称常数λ∈F是σ的特征值，向量u是属于特征值λ的特征向量。我们用tf.self_adjoint_eigvals...
线性回归本教程主要包含三部分：一个非常简单的神经网络一些概念，比如目标函数，损失函数梯度下降我们来构建一个最简单的神经网络，这个神经网络只有一个输入，一个输出，用来构建一个线性回归模型，从输入的x来预测一个真实结果t。神经网络的模型结构为y = x * w，其中x是输入参数，w是权重，y是预测结果。神经网络的模型可以被表示为下图：在常规的神经网络中，神经网络结构中有多个层，非线性激活函数和每个节点...
本节介绍OpenCL的事件的相关知识。 由上一节我们已经清楚了宿主机通过命令队列向计算设备传递命令。计算设备计算后返回。但是宿主机需要管理多个计算设备，多个命令队列。那么宿主机是如何管理、调度这些对象的呢。没错，就是事件(event)。1. 事件定义 事件是与命令的状态相关联的对象。命令队列中的命令会产生事件，其他命令在执行之前需要等待某个事件。根据场景的不同，可以分为内核端事件和宿主机端事件...
基于Tensorflow的基本原理，首先需要定义图，然后计算图，其中计算图的函数常见的有run()函数，如sess.run()。 eval() 其实就是tf.Tensor的Session.run() 的另外一种写法，但两者有差别 官方解释 使用sess.run()在同一步获取多个tensor中的值，使用Tensor.eval()时只能在同一步当中获取一个tensor值，并且每次使用 ev...
您还未登录，请登录后再进行相关操作！
