腾讯云
开发者社区
文档
建议反馈
控制台
首页
学习
活动
专区
工具
TVP
最新优惠活动
文章/答案/技术大牛
搜索
搜索
关闭
发布
登录/注册
首页
学习
活动
专区
工具
TVP
最新优惠活动
返回腾讯云官网
人工智能
专栏作者
举报
486
文章
775699
阅读量
225
订阅数
订阅专栏
申请加入专栏
全部文章
人工智能
机器学习
深度学习
神经网络
编程算法
tensorflow
python
其他
大数据
图像识别
图像处理
卷积神经网络
决策树
数据处理
线性回归
机器人
keras
无人驾驶
强化学习
人脸识别
c++
安全
数据库
spark
数据挖掘
容器镜像服务
游戏
网络安全
监督学习
scikit-learn
NLP 服务
android
github
api
apache
医疗
自动化
https
自动驾驶
ios
java
javascript
r 语言
django
http
容器
开源
分布式
运维
numpy
opencv
php
c#
.net
asp.net
云数据库 Redis
access
linux
nginx
金融
云+未来
互联网金融
爬虫
hadoop
wordpress
unity
pytorch
kernel
无监督学习
迁移学习
微信
数据可视化
数据结构
架构设计
微服务
智能客服机器人
搜索文章
搜索
搜索
关闭
TensorFlow核心使用要点
tensorflow
python
c++
正文之前,小梦先来说说什么是TensorFlow。TensorFlow是谷歌研发的第二代人工智能学习系统,可被用于语音识别或图像识别等多项机器深度学 习领域。TensorFlow可运行的设备非常广泛,小到一部智能手机。大到数千台数据中心服务器,都可以运行TensorFlow。而且呢,TensorFlow是开 源,这会大大降低深度学习在各个行业中的应用难度。 TensorFlow的流行让深度学习门槛变得越来越低,只要你有Python和机器学习基础,入门和使用神经网络模型变得非常简单。TensorFlow支持
企鹅号小编
2018-01-23
892
0
作为TensorFlow的底层语言,你会用C+构建深度神经网络吗?
深度学习
机器学习
神经网络
tensorflow
c++
选自Matrices.io 作者:Florian Courtial 机器之心编译 参与:李泽南、蒋思源 很多人都知道 TensorFlow 的核心是构建在 C++之上的,但是这种深度学习框架的大多数功能只在 Python API 上才方便使用。 当我写上一篇文章的时候,我的目标是仅使用 TensorFlow 中的 C++ API 和 CuDNN 来实现基本的深度神经网络(DNN)。在实践中,我意识到在这个过程中我们忽略了很多东西。 注意,使用外部操作(exotic operations)训练神经网络是不可能
企鹅号小编
2018-01-19
1.2K
0
C+实现神经网络之壹—Net类的设计和神经网络的初始化
人工智能
c++
神经网络
闲言少叙,直接开始 既然是要用C++来实现,那么我们自然而然的想到设计一个神经网络类来表示神经网络,这里我称之为Net类。由于这个类名太过普遍,很有可能跟其他人写的程序冲突,所以我的所有程序都包含在namespace liu中,由此不难想到我姓刘。在之前的博客反向传播算法资源整理中,我列举了几个比较不错的资源。对于理论不熟悉而且学习精神的同学可以出门左转去看看这篇文章的资源。这里假设读者对于神经网络的基本理论有一定的了解。 神经网络要素 在真正开始coding之前还是有必要交代一下神经网络基础,其实
企鹅号小编
2018-01-17
678
0
如何仅使用TensorFlow C+来训练深度神经网络
人工智能
深度学习
tensorflow
c++
作者|Florian Courtial 译者|Debra 编辑|Emily AI 前线导读:训练神经网络是一件十分复杂,难度非常大的工作,有没有可能让训练的过程简单便利一些呢?有人突发奇想,尝试仅仅使用 TensorFlow C ++ 来进行这项工作。这样做的效果如何呢?我们来看看 Florian Courtial 用 TensorFlow C ++ 构建 DNN 框架的示例来了解一下吧。 更多干货内容请关注微信公众号“AI 前线”,(ID:ai-front) 正如你所知,TensorFlow(TF)的
企鹅号小编
2018-01-16
846
0
C+实现神经网络之贰—前向传播和反向传播
神经网络
c++
前言 前一篇文章C++实现神经网络之壹—Net类的设计和神经网络的初始化中,大部分还是比较简单的。因为最重要事情就是生成各种矩阵并初始化。神经网络中的重点和核心就是本文的内容——前向和反向传播两大计算过程。每层的前向传播分别包含加权求和(卷积?)的线性运算和激活函数的非线性运算。反向传播主要是用BP算法更新权值。本文也分为两部分介绍。 前向过程 如前所述,前向过程分为线性运算和非线性运算两部分。相对来说比较简单。 线型运算可以用来表示,其中X是输入样本,这里即是第N层的单列矩阵,W是权值矩阵,Y是加权求
企鹅号小编
2018-01-15
697
0
关注专栏作者,随时接收最新技术干货
花落花飞去
腾讯社区运营
关注
全球资讯翻译官
腾讯总部云加社区运营
关注
Techeek
腾讯产品运营
关注
QiqiHe
腾讯产品运营
关注
全局自动优化:C+机器学习库dlib引入自动调参算法
c++
自动化
本文介绍了关于dlib中的Max-Finder算法的实现,通过使用该算法可以极大提升超参数优化的效率,并总结了该算法的适用场景和优势。
企鹅号小编
2018-01-04
863
0
没有更多了
社区活动
腾讯技术创作狂欢月
“码”上创作 21 天,分 10000 元奖品池!
立即发文
Python精品学习库
代码在线跑,知识轻松学
立即查看
博客搬家 | 分享价值百万资源包
自行/邀约他人一键搬运博客,速成社区影响力并领取好礼
立即体验
技术创作特训营·精选知识专栏
往期视频·千货材料·成员作品 最新动态
立即查看
领券
问题归档
专栏文章
快讯文章归档
关键词归档
开发者手册归档
开发者手册 Section 归档