这个资源是用基于PyTorch的框架做的，用的是AlexNet的神经网络模型，做的是花朵分类识别与预测的案例。代码很详细，容易看懂。
数据集中包含5种类别的花朵。下载运行代码时，记得把数据集的压缩包解压下来，并且改一下代码中载入此数据集时相应的路径哦~
2022-12-16 11:25:50
430.54MB
1
两本经典深入的深度学习入门和进阶的书籍（魏秀参教授的解析卷积神经网络，Michael Nielsen的Neural Networks and Deep Learning），自己读过，觉得这两本书挺好，特意分享给大家（特别是英文的那本，让读者深入理解神经网络的本质）
2022-12-16 09:58:24
58.64MB
1
摘 要：本文简述了BP 神经网络的基本原理，提出了一种基于 BP 神经网络的客户流失
预测模型。实验表明，该模型的辨识精度高，能正确的对客户的需求进行评估，以减少客户
流失来提高企业的利润。
关键词：神经网络；BP 算法；客户流失；CRM
2022-12-15 22:02:08
302KB
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 11:28:32
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 11:28:31
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