本程序实现了在PyTorch中利用前馈神经网络实现复杂函数拟合。主要包括基于nn.Module的神经网络搭建和训练方法和数据集生成、分割方法。展示了通过调参分析和模型训练过程，评估各种超参数对训练过程、模型性能的影响，并将测试结果可视化。
2022-12-15 11:28:31
2KB
1
本程序实现了在PyTorch中利用前馈神经网络实现复杂函数拟合。主要包括基于nn.Module的神经网络搭建和训练方法和数据集生成、分割方法。展示了通过调参分析和模型训练过程，评估各种超参数对训练过程、模型性能的影响，并将测试结果可视化。
2022-12-15 11:28:31
2KB
1
本程序实现了在PyTorch中利用前馈神经网络实现复杂函数拟合。主要包括基于nn.Module的神经网络搭建和训练方法和数据集生成、分割方法。展示了通过调参分析和模型训练过程，评估各种超参数对训练过程、模型性能的影响，并将测试结果可视化。
2022-12-15 11:28:30
3KB
1
本程序实现了在PyTorch中利用前馈神经网络实现复杂函数拟合。主要包括基于nn.Module的神经网络搭建和训练方法和数据集生成、分割方法。展示了通过调参分析和模型训练过程，评估各种超参数对训练过程、模型性能的影响，并将测试结果可视化。
2022-12-15 11:28:29
1KB
1
深度学习作业_基于pytorch框架python实现手写数字识别完整源码+代码注释+实验报告.zip
使用MNIST手写数字体数据集进行训练和预测，实现测试集准确率达到98%及以上。本实验的目的：
掌握卷积神经网络基本原理，以LeNet为例
掌握主流框架的基本用法以及构建卷积神经网络的基本操作
了解如何使用GPU
2022-12-14 20:27:14
264KB
深度学习作业_基于pytorch框架python实现自动写诗完整源码+代码注释.zip
自动写诗，使用tang.npz，使用深度学习框架Pytorch，最终实现一个可以自动写诗的程序。本实验的目的如下：
理解和掌握循环神经网络概念及在深度学习框架中的实现
掌握使用深度学习框架进行文本生成任务的基本流程：如数据读取、构造网络、训练和预测等
2022-12-14 20:27:13
6.5MB
基于Pytorch框架自定义7层卷积神经网络模型实现垃圾分类系统源码+数据集+项目说明（人工智能期末作业）.zip
垃圾分类
实验要求：
利用深度学习模型完成垃圾分类
图片数据集来源：https://momodel.cn/explore/5d411ace1afd9427c236eab5?type=dataset
Result：
使用 PyTorch 自定义 7 层卷积神经网络加 2 层全连接层的分类模型
2022-12-13 20:28:05
27KB
深度连续局部学习的突触可塑性动力学 (DECOLLE)
此回购包含了一个教程实施中出现的DECOLLE学习规则的。
如果您在科学出版物中使用此代码，请在您的参考书目中包含以下参考：
@article{kaiser2018synaptic,
title={Synaptic Plasticity Dynamics for Deep Continuous Local Learning (DECOLLE)},
author={Kaiser, Jacques and Mostafa, Hesham and Neftci, Emre},
journal={arXiv preprint arXiv:1811.10766},
year={2018}
}
讲解
教程下的第一个 notebook 是独立的，除了 snn_utils.py。 提供了在 PyTorch 中设置尖峰神经网络和
2022-12-13 17:06:23
254KB
1