这包含 MATLAB 和 Simulink Robotics Arena 视频“使用 NVIDIA Jetson 和 ROS 进行深度学习”的示例文件。 此示例演示如何将预训练的神经网络从 MATLAB 部署到 NVIDIA Jetson，并在手写 C++ ROS 节点中使用生成的库。 下载文件后，请查看 README 文档以获取重要的设置信息。 如果您有任何问题，请通过 robotssarena@mathworks.com 与我们联系

研一学生，老师布置的一个tensorflow任务。搭建简单的全链接神经网络，再根据几个影响洪水流量的因素，来预测洪水流量。 下面是代码。 import tensorflow as tf import numpy as np 定义数据形式 x_data = np.asarray([[84,21.6,4,110,2,1410], [29.5,34,2.27,110,3,1770], [152.5,24.9,1.95,90.3,3,1360], [40.1,22.7,2.67,89.7,3,1133], [110.6,23.2,1.11,110,1,449], [74,9.5,1.42,

神经网络 使用BP算法训练神经网络，提供了很多技巧使网络快速收敛，使网络具有泛化能力。 BP 算法在训练网络方面非常强大，但有一些技巧可以用来使性能更强大。 首先，我将提供 Normalize iterm，它是网络权重的范数 二、我会用impluse项让进度更顺畅 第三，我将使用从训练样本空间的 rondm 点开始的批量大小，使随机网格更加稳定。 第四，我将提供一个关于网络学习率的技巧，它会在训练过程中发生变化 最后也是最重要的是，我会让网络可以以一种你应该做的只是配置文件的方式使用。

Ignite是一个高级库，帮助你在PyTorch中训练神经网络 TL;DR Ignite 是一个高级库，可帮助在 PyTorch 中灵活透明地训练和评估神经网络。 单击图像查看完整代码 特点 比纯 PyTorch 更少的代码，同时确保最大程度的控制和简单性 库方法，没有程序的控制反转 - 随时随地使用 ignite 指标、实验管理器和其他组件的可扩展 API 目录为什么点燃？ 安装入门 文档结构示例 教程 可复制的培训示例 交流 使用 Ignite 的贡献项目 关于团队 为什么选择 Ignite？ Ignite 是一个提供三个高级功能的库： 极其简单的引擎和事件系统 开箱即用的指标，可轻松评估模型 内置处理程序来组成训练管道、保存工件以及记录参数和指标 简化训练和验证循环不再编码 for/while 循环和迭代。 用户实例化引擎并运行它们。 Example from ignite.engine import Engine, Events, create_supervised_evaluator from ignite.metrics import Accuracy # 设置训

利用蚁群算法训练神经网络的程序（MATLAB）有些不完善，希望大家帮修改！

深度学习的一些基本概念，总结到位

车牌字符集，用于训练神经网络，对车牌字符进行识别

用于利用卷积神经网络做验证码识别的20000余张验证码的训练集。

多重反向传播是一种用于使用反向传播和多重反向传播算法训练神经网络的开源软件应用程序。 目前，该项目还托管在http://code.google.com/p/multiplebackpropagation

使用matlab训练基本的神经网络，数据是使用的6类气体的数据，共有3600个，分别测试了7个分类器的性能