神经网络计算机硬件第20页

使用pytorch建立全连接神经网络

importtorchfromtorch.autogradimportVariablefromtorchimporttensor,Tensorfromtorch.utils.dataimportDatasetfromtorch.utils.dataimportDataLoaderfromtorchimportnn,optimfromtorchvisionimportdatasets,transfo

ydw_ydw·2025-05-04 23:36

PyTorch与神经网络

PyTorchPyTorch的数据类型为张量，张量有多种，常用的为整型、浮点型、比特型。张量可以放置在CPU或GPU上，放置在这两者上的张量属于不同的数据类型，CPU上的整型、浮点型、比特型张量数据类型为torch.IntTensor、torch.FloatTensor、torch.ByteTensor，GPU上的整型、浮点型、比特型张量数据类型为torch.cuda.IntTensor、torc

你的凡王·2025-05-04 23:04

基于PyTorch构建神经网络预测模型

建立一个基于PyTorch的神经网络模型来预测输出，可以遵循以下步骤：定义问题：首先明确问题是回归问题还是分类问题。如果输出是连续的数值，则可能是一个回归问题；如果输出是离散值，则可能是一个分类问题。

老歌老听老掉牙·2025-05-04 22:03

Python----卷积神经网络（LeNet-5的手写体识别）

一、设置随机种子设置随机种子有助于结果的可复现性。importnumpyasnp#导入NumPy库importrandom#导入随机数生成库importos#导入操作系统相关功能importtorch#导入PyTorch库defsetup_seed(seed=0):#设置NumPy的随机种子np.random.seed(seed)#设置Python内置的随机数生成器的种子random.seed(s

蹦蹦跳跳真可爱589·2025-05-04 19:10

生成对抗网络（Generative Adversarial Networks GANs）

GAN由两个神经网络组成：生成器（Generator）和判别器（Discriminator），它们通过对抗训练的方式进行优化。

嘿丨嘿·2025-05-04 19:09

生成对抗网络（Generative Adversarial Network，简称GAN

GAN通过两个神经网络——生成器（Generator）和判别器（Discriminator）的相互对抗来进行学习，从而生成逼真的数据。以下将详细解释GAN的基本原理及其训练过程。

俊星学长·2025-05-04 19:38

【机器学习】生成对抗网络 (Generative Adversarial Networks | GAN)

GAN的核心理念是通过训练两个神经网络，生成器(Generator)和判别器(Discriminator)，它们相互对抗、相互学习，以提高生成器生成数据的质量

林九生·2025-05-04 19:07

神经网络发展的时间线——积跬步至千里

神经网络类型层创新问题备注感知器单层误差反馈学习阈值函数不可导，构造学习规则与感知器准则等价线性神经元单层梯度下降法训练参数线性函数，多层仍是线性变换本质上是最小二乘准则浅层神经网络（早期）多层Sigmoid

phoenix@Capricornus·2025-05-04 18:32

AI+Python支持向量机/随机森林/神经网络/CNN/LSTM/迁移学习在植被参数反演中的实战应用与优化

在全球气候变化与生态环境监测的重要需求下，植被参数遥感反演作为定量评估植被生理状态、结构特征及生态功能的核心技术，正面临诸多挑战。随着遥感技术的发展，数据复杂度不断提升，模型精度的要求也越来越高。同时，多源异构数据的融合成为了一个亟待解决的问题。这些挑战对传统遥感反演方法提出了严峻的考验。人工智能技术为遥感反演带来新机遇幸运的是，人工智能（AI）技术的快速发展，尤其是机器学习与深度学习算法的突破，

小艳加油·2025-05-04 15:08

十大机器学习算法：理论与实战

关键词：机器学习算法、集成学习、图神经网络、逻辑回归、决策树、支持向量机、KNN、k-means、PCA、强化学习一、集成学习算法（

Android洋芋·2025-05-04 14:37

深度学习之基于Pytorch的卷积神经网络MNIST手写数字识别

本项目旨在利用PyTorch深度学习框架，构建卷积神经网络（ConvolutionalNeu

Q1744828575·2025-05-04 14:04

基于PyTorch的食物图像分类实战：从数据处理到模型训练

本文将以食物图像分类为例，详细介绍如何使用PyTorch框架构建一个卷积神经网络（CNN）模型，实现对20种不同食物的分类。一、数据准备与预处理1.1数据集介绍本项目使用的食物图像数据集包含

不吃香菜？·2025-05-04 13:58

2025年深圳杯-东三省联赛D题参考论文发布！

深圳杯-东三省D题两版本区别BZD数模社名称D题第一版D题第二版基本信息使用语言matlabpython文章篇幅60页3.4万字45页2.5万字问题一模型决策树、随机森林、KNN、（SVM）、逻辑回归神经网络

BZD数模社·2025-05-04 11:16

量化投资如何用机器学习预测股价？普通人需要哪些工具入门？

常用的模型包括线性回归、随机森林、LSTM神经网络等。举个简单例子，用Python的scikit-learn构建一个线性回归模

股票量化·2025-05-04 09:10

卷积神经网络（CNN）详解

一、动因篇卷积与池化的意义卷积神经网络（ConvolutionalNeuralNetwork，CNN）之所以在图像处理中表现突出，源于两个关键操作：卷积（Convolution）与池化（Pooling）

Chaos_Wang_·2025-05-04 09:38

计算机硬件系统 — 冯诺依曼体系结构运行原理解析

目录文章目录目录计算机系统计算机硬件系统（冯诺依曼体系结构）PC主机硬件CPU（中央处理器）CPU的组成部分CPU总线控制器单元运算器单元寄存器组超线程与多核架构三级高速缓存为什么需要缓存三级缓存结构CPU

范桂飓·2025-05-04 07:22

TensorFlow 入门实战：手把手教你训练第一个神经网络

TensorFlow入门实战：手把手教你训练第一个神经网络本文将带你从零开始使用TensorFlow搭建并训练一个简单的神经网络，通过实战掌握深度学习的核心步骤。

2501_91537435·2025-05-04 07:52

AI领域的DeepSeek：技术发展的新方向

AI领域的DeepSeek：技术发展的新方向关键词：DeepSeek、人工智能、大语言模型、知识检索、深度学习、神经网络、AI应用摘要：本文深入探讨了DeepSeek在AI领域的技术创新和发展方向。

AI天才研究院·2025-05-04 05:39

KANs：低维任务中的神经网络新星

标题：KANs：低维任务中的神经网络新星文章信息摘要：Kolmogorov-ArnoldNetworks(KANs)是一种基于Kolmogorov-Arnold表示定理的神经网络架构，通过将复杂函数分解为一系列单变量函数的组合

XianxinMao·2025-05-04 04:07

基于TensorFlow的卷积神经网络的岩石图像分类识别（简易实践案例）

基于TensorFlow的卷积神经网络的岩石图像分类识别题目简述个人项目运行环境数据处理模型实现结果分析完整代码题目简述今有砾岩(Conglomerate)、安山岩(Andesite)、石灰岩(Limestone

W.Lionel.Esaka·2025-05-04 03:30

Winner Takes ALL(WTA) 胜者为王策略赢者通吃策略

#programmer©right：xlxlqqq#data：2023-12-15简介“WinnerTakesAll”(WTA)深度学习策略是一种用于神经网络和模型训练的方法，其主要目标是选择网络中具有最大活跃度或激活的单元

xlxlqqq·2025-05-03 20:14

基于连接感知的实时困倦分类图神经网络

本文提出了一种使用自注意机制的连接感知图神经网络(CAGNN)，该网络可以通过端到端训练生成与任务相关的连接网络。研究方法研究方法基于实时监测驾驶员的脑电活动

是Dream呀·2025-05-03 20:38

大模型学习笔记之Dense模型与MOE模型比较

Dense模型（稠密模型）是一种神经网络架构，其核心特点是模型中的所有参数在每次计算时都会被激活并参与计算。

hollow__world·2025-05-03 19:07

大语言模型原理基础与前沿语言模型和分词

在深度学习框架中，语言模型通常通过神经网络实现，并使用大规模语料库进行预训练，以学习语言的统计规

杭州大厂Java程序媛·2025-05-03 14:03

深度强化学习在机器人控制中的应用与优化

DRL结合了深度学习和强化学习的优点，通过神经网络处理高维感知数据，并利用强化学习算法实现智能决策，使得机器人能够在复杂环境中自主完成任务。深度强化学习的基本原理深度强化

书香浓·2025-05-03 12:17

transformer-实现解码器Decoder

通过堆叠多层结构相同的解码层（DecoderLayer），每层包含自注意力机制、编码器-解码器注意力机制和前馈神经网络，实现序列生成的上下文感知。实现上图红色框中

亲持红叶·2025-05-03 07:41

Transformer：颠覆深度学习的架构革命与技术演进

它不仅解决了传统循环神经网络（RNN）的长期依赖和并行化难题，更催生了BERT、GPT等划时代模型，成为深度学习领域的核心基石。

源滚滚编程·2025-05-03 06:06

神经网络的概念和基本用法

什么是人工神经网络，我的理解就是：举个不太恰当的例子，当你训练你的狗时，第一次给它一个橘子，跟它说这是橘子；下一次再给它橘子，看它还认不认识，如果不认识，继续告诉他，直到狗可以认出橘子为止。

大数据技术派·2025-05-03 05:31

DeepSeek解密：深度探索搜索引擎背后的底层架构与黑科技

深度解码DeepSeek搜索引擎：重新定义智能搜索的范式革命引言：搜索技术的第三次浪潮当谷歌用PageRank算法掀起搜索革命，百度以海量中文数据构建信息桥梁，如今DeepSeek正以分布式神经网络架构开启智能搜索的新纪元

Want595·2025-05-03 02:42

Unet改进24：添加DualConv||轻量级深度神经网络的双卷积核

本文内容：在不同位置添加DualConv目录论文简介1.步骤一2.步骤二3.步骤三4.步骤四论文简介卷积神经网络(CNN)架构通常对内存和计算要求很高，这使得它们在硬件资源有限的嵌入式系统中不可行。

AICurator·2025-05-03 02:38

ResNet改进(35)：带有SimAM注意力机制

1.代码详解这段代码实现了一个基于ResNet34架构的卷积神经网络，并集成了SimAM（SimpleAttentionModule）注意力机制。

点我头像干啥·2025-05-03 02:07

基于自然语言处理的情感对话系统设计

方法上，结合了深度学习中的循环神经网络（RNN）及其变体长短期记忆网络（LSTM），对大量的情感文本数据进行训练，构建情感分类模型，同时利用预训练语言模型如BERT

赵谨言·2025-05-03 00:57

【人工智能】图神经网络（GNN）的推理方法

图神经网络（GNN）的推理方法是指利用训练好的模型对图结构数据（如节点、边或整个图）进行预测或决策的过程。其核心在于如何通过图的拓扑结构和节点/边特征，传播和聚合信息以实现目标任务的推理。

meisongqing·2025-05-02 21:05

从python的爬虫和opencv实践时总结解决问题的思维路径和方法

研一阶段本科并不是cs专业出身的，研究生之后接触到了神经网络。

maboii·2025-05-02 16:04

【快速上手C语言】第十三章：探索C语言中的并发编程-多线程、同步与嵌入式实践

随着计算机硬件的多核化发展，并发编程在现代软件开发中变得越来越重要。C语言，作为一种高效且接近硬件的编程语言，提供了丰富的工具来处理并发任务。

Seraphina_Lily·2025-05-02 13:15

【论文阅读】Partial Retraining Substitute Model for Query-Limited Black-Box Attacks

摘要针对深度神经网络（DNN）分类器的黑盒攻击正受到越来越多的关注，因为它们在现实世界中比白盒攻击更实用。在黑盒环境中，对手对目标模型的了解有限。

Bosenya12·2025-05-02 12:41

基础的贝叶斯神经网络（BNN）回归

下面是一个最基础的贝叶斯神经网络（BNN）回归示例，采用PyTorch实现，适合入门理解。这个例子用BNN拟合y=x+噪声的一维回归问题，输出均值和不确定性（方差）。

V建模忠哥V·2025-05-02 10:26

卷积神经网络（CNN）的主要架构

卷积神经网络（CNN,ConvolutionalNeuralNetworks）是深度学习中最重要的模型之一，广泛应用于计算机视觉、目标检测、语义分割等任务。

彩旗工作室·2025-05-02 07:31

python画sigmoid函数_基于Python的sigmoid函数FPGA实现

基于Python的sigmoid函数FPGA实现刘毅飞【摘要】sigmoid函数是人工神经网络中通常采用的传递函数，采用基于Python的软硬件协同设计方法，在FPGA上实现了定点sigmoid函数。

weixin_39624360·2025-05-02 04:10

深度学习--循环神经网络RNN

文章目录前言一、RNN介绍1、传统神经网络存在的问题2、RNN的核心思想3、RNN的局限性二、RNN基本结构1、RNN基本结构2、推导3、注意4、循环的由来5、再谈RNN的局限总结前言循环神经网络（RNN

多巴胺与内啡肽.·2025-05-02 03:06

Meta：去除Transformer的归一化

标题：TransformerswithoutNormalization来源：arXiv,2503.10622摘要归一化层在现代神经网络中无处不在，长期以来一直被认为是必不可少的。

大模型任我行·2025-05-02 02:28

Python实现Sigmoid函数算法

Sigmoid函数是一种常用的非线性激活函数，常用于神经网络等机器学习算法中。本文将详细介绍如何使用Python实现Sigmoid函数算法，并提供相应的源代码。

心之所向，或千或百·2025-05-02 01:23

【神经网络与深度学习】端到端方法和多任务学习

引言端到端方法和多任务学习是机器学习和深度学习领域中的两种重要技术，它们各自适用于不同的应用场景，并在模型设计、数据要求和训练过程等方面有着显著区别。端到端方法通过直接将输入数据映射到输出结果，从而简化了处理流程；而多任务学习则通过共享特征提升模型的性能及其对新任务的泛化能力。本文将对两种方法的定义、结构及应用场景进行简要分析，以帮助读者更好地理解和选择适合的技术。对比端到端方法和多任务学习是机器

如果树上有叶子·2025-05-01 19:42

【神经网络与深度学习】探索全连接网络如何学习数据的复杂模式，提取高层次特征

引言全连接网络（FullyConnectedNetwork，FCN）是深度学习中的重要架构，广泛用于模式识别、分类和回归任务。其强大的特征提取能力使其能够自动学习输入数据中的复杂模式，并逐步形成高层次特征。这种能力主要依赖于参数学习、非线性激活函数、层次结构和特征组合等关键因素。本文将详细介绍全连接网络如何提取高层次特征，并探讨其优化策略，以提升模型的泛化能力和学习效果。1.参数学习全连接网络的每

如果树上有叶子·2025-05-01 19:41

【Matlab】基于长短期记忆网络LSTM实现多分类预测（Excel可直接替换数据）

Excel可直接替换数据）1.算法简介2.测试数据集3.替换数据4.训练进度图5.混淆矩阵6.对比结果7.代码及注释1.算法简介长短期记忆网络LSTM（LongShort-TermMemory）是一种时间循环神经网络

敲代码两年半的练习生·2025-05-01 16:27

深度学习框架：PyTorch使用教程！！

PyTorch1.2PyTorch的优势二、从入门到精通的PyTorch使用教程2.1入门阶段2.1.1环境安装与配置2.1.2Tensor基础操作2.1.3自动求导（Autograd）2.1.4构建神经网络

JOYCE_Leo16·2025-05-01 15:22

在TensorFlow中，`Dense`和`Activation`是深度学习模型构建里常用的层

1.Dense层含义Dense层也就是全连接层，这是神经网络里最基础的层。

爱学习的capoo·2025-05-01 15:15

# 交通标志识别：使用卷积神经网络的完整实现

交通标志识别：使用卷积神经网络的完整实现在当今数字化时代，计算机视觉技术在各个领域都发挥着重要作用，交通标志识别就是其中的一个典型应用。

www_pp_·2025-05-01 13:34

基于深度学习的人脸属性识别算法研究

通过构建深度卷积神经网络模型，使用大规模的人脸数据集进行训练和优化。实验结果表明，所提出的算法在多个公开人脸属性数据集上取得了较好的识别效果，平均识别准确率达到了85%以上。研究表明，基于深

赵谨言·2025-05-01 11:25

基于机器学习的电影票房预测

洲洲不是州州·2025-05-01 06:17

推荐频道

神经网络计算机硬件