帮助Neuroph神经网络
对于我的研究生研究，我正在创建一个训练识别图像的神经网络。就像许多示例一样，我要比仅对RGB值进行栅格化，下采样并将其发送到网络的输入要复杂得多。实际上，我使用了100多个经过独立训练的神经网络来检测特征，例如线条，阴影图案等。更像是人眼，到目前为止，它的效果非常好！问题是我有很多训练数据。我向它展示了汽车的100多个示例。然后是一个人的100个例子。然后是100多只狗的样子，等等。这是很多训练数据！目前，我大约需要一周时间训练网络。这是一种阻碍我进步的事情，因为我需要进行调整和再培训。
我正在使用Neuroph作为低级神经网络API。我正在运行双四核计算机（具有超线程的16核），因此该速度应该很快。我的处理器百分比仅为5％。在Neuroph性能方面有什么技巧吗？还是Java性能一般？有什么建议吗？我是一名认知心理学博士学位的学生，并且我是一名程序员，但我对性能编程不了解很多。
问题答案：
是的，几个月前我走了那条路。也用于大学项目。第一个问题是Neuroph。它致命的缓慢。Neuroph非常了解主要的体系结构和性能问题，上周有关代码项目的文章只有一篇。
http://www.codeproject.com/KB/recipes/benchmark-neuroph-
encog.aspx
我遵循与本文作者相似的路径。从Neuroph切换到Encog是一个真正容易的端口。上一篇文章的作者甚至还比较了Encog，JOONE和Neuroph的语法，因此您可以进行比较。有关Encog的更多信息，
http://www.heatonresearch.com/encog
Encog还将充分利用您的核心。只需查看以上文章中的图表即可。
祝好运！您的研究听起来很棒，我很乐意看到结果。
-
神经元平台包含声音传感器、光线传感器、人体红外传感器等30多个可编程电子模块，可以实现上百种互动，不仅能够满足孩子在听觉、视觉、体感等多个方面的创造需求，还能吸引孩子的兴趣，让孩子在玩耍中了解科学原理与现象，提升创造能力。
-
我对这个很陌生，我有几个问题。我有用keras创建的python神经网络的代码片段。该模型用于情感分析。使用标记数据的训练数据集（情绪=1或0）。现在我有几个关于如何描述神经网络的问题。 我对以下许多条款都不是很清楚，所以不要对我太苛刻。 1：有什么能让这成为情绪分析的典型模型吗？ 2：它是“单词袋”吗？（我的猜测是肯定的，因为数据是使用标记器预处理的） 3：是“卷积”吗？ 4：深吗？ 5：密度大
-
神经网络 (Neural Network) 是机器学习的一个分支，全称人工神经网络（Artificial Neural Network，缩写 ANN），是一种模仿生物神经网络的结构和功能的数学模型或计算模型，用于对函数进行估计或近似。 Perceptron (感知器) 一个典型的神经网络由输入层、一个或多个隐藏层以及输出层组成，其中箭头代表着数据流动的方向，而圆圈代表激活函数（最常用的激活函数为
-
译者：bat67 最新版会在译者仓库首先同步。 可以使用torch.nn包来构建神经网络. 我们以及介绍了autograd，nn包依赖于autograd包来定义模型并对它们求导。一个nn.Module包含各个层和一个forward(input)方法，该方法返回output。 例如，下面这个神经网络可以对数字进行分类： 这是一个简单的前馈神经网络（feed-forward network）。它接受一
-
我玩神经网络。我了解卷积层、完全连接层和许多其他东西是如何工作的。我还知道什么是梯度，以及如何训练这样的网络。 框架千层面包含一个称为InverseLayer的层。 InverseLayer类通过应用要反转的层相对于其输入的偏导数，对神经网络的单层执行反转操作。 我不知道这是什么意思，或者我应该在什么时候使用这个层。或者倒置偏导数背后的想法是什么？ 非常感谢你
-
我用newff在Matlab中创建了一个用于手写数字识别的神经网络。 我只是训练它只识别0 输入层有9个神经元，隐层有5个神经元，输出层有1个神经元，共有9个输入。 我的赔率是0.1 我在Matlab中进行了测试，网络运行良好。现在我想用c语言创建这个网络，我编写了代码并复制了所有的权重和偏差（总共146个权重）。但当我将相同的输入数据输入到网络时，输出值不正确。 你们谁能给我指点路吗？ 这是我的