如何用ChatGPT 構(gòu)建一個(gè)神經(jīng)網(wǎng)絡(luò)

自從去年底推出以來，對(duì)話式 AI 模型 ChatGPT 火遍了整個(gè)社區(qū)。

ChatGPT 的確是一個(gè)了不起的工具，就像一個(gè)「潘多拉魔盒」。一旦找到正確的打開方式，你或許會(huì)發(fā)現(xiàn)，自己再也離不開它了。

作為一個(gè)全能選手，人們給 ChatGPT 提出的要求五花八門，有人用它寫論文，有人讓它陪聊，這些都是常見的玩法。腦洞再打開一點(diǎn)，既然 ChatGPT 是 AI 中的「王者」，那它會(huì)不會(huì)寫一個(gè) AI？

近日，一位機(jī)器學(xué)習(xí)領(lǐng)域的博主突發(fā)奇想，他決定讓 ChatGPT 構(gòu)建一個(gè)神經(jīng)網(wǎng)絡(luò)，使用 Keras 解決 MNIST 問題。

MNIST 算是機(jī)器學(xué)習(xí)領(lǐng)域的經(jīng)典問題。即使這個(gè)手寫數(shù)字?jǐn)?shù)據(jù)集逐漸淡出了計(jì)算機(jī)視覺領(lǐng)域，但它的紀(jì)念意義仍然不可忽視，很多人入門深度學(xué)習(xí)的第一個(gè)數(shù)據(jù)集、驗(yàn)證算法的第一個(gè)實(shí)驗(yàn)都是 MNIST。

話不多說，想到了就開工。作者直接讓 ChatGPT 寫了一段代碼，看上去完美無缺，甚至不需要更改任何內(nèi)容。

這是一個(gè)很好的開始。

ChatGPT 選擇了分類交叉熵作為損失函數(shù)。作者提出重寫分類交叉熵這部分代碼，ChatGPT 將其替換為稀疏分類交叉熵，更新之后的代碼仍能 Work。可以發(fā)現(xiàn)，新的損失函數(shù)放棄了標(biāo)簽的分類轉(zhuǎn)換。

ChatGPT 生成的代碼使用了全連接層，但作者想使用卷積層。因此，ChatGPT 按照指示修改了代碼，并添加了一個(gè) Conv2D 和一個(gè)最大池化層（MaxPooling layer）。

然后來到了評(píng)估最終模型階段，作者讓 ChatGPT 使用測試集編寫代碼。

結(jié)果看起來很棒，而且 ChatGPT 的每一次回復(fù)都帶有完整的解釋。比如在這次評(píng)估中，它這樣解釋：

「評(píng)估」方法將測試數(shù)據(jù)和測試標(biāo)簽作為參數(shù)，并返回模型編譯（此處為準(zhǔn)確率）期間指定的損失和度量。上面的代碼片段輸出了測試的準(zhǔn)確率，這應(yīng)該可以讓你了解到模型對(duì)新數(shù)據(jù)的概括性。?

模型在訓(xùn)練期間使用了整個(gè)測試集作為驗(yàn)證數(shù)據(jù)。然后，作者讓 ChatGPT 將其更改為訓(xùn)練數(shù)據(jù)的 20%。

此外，作者還想要更小的 batch 并運(yùn)行更少 epoch 的代碼。雖然這一步未必要用到 ChatGPT，但他不想在不更新 ChatGPT 上下文的情況下更改代碼。

所以這項(xiàng)任務(wù)還是落在了 ChatGPT 頭上：

接下來，作者打算繪制訓(xùn)練過程中的訓(xùn)練和測試損失圖。ChatGPT 的建議是：需要更改適合模型的 line 以捕獲其結(jié)果值。

為了展示數(shù)據(jù)集中的一些示例，作者讓 ChatGPT 編寫代碼來輸出圖像和標(biāo)簽的組合。這些輸出的代碼也很完美，附有 20 張圖片的合集。

構(gòu)建模型時(shí)，查看其結(jié)構(gòu)也是必要的。如果用這個(gè)問題去問 ChatGPT ，回復(fù)是：

ChatGPT 給出的是關(guān)于模型的總結(jié)：

模型的總結(jié)很有用，但作者更想看到顯示模型結(jié)構(gòu)的圖。所以繼續(xù)問：

結(jié)果是滿意的，最后就是準(zhǔn)備部署這個(gè)模型了，讓 ChatGPT 將模型保存到磁盤吧：

現(xiàn)在，作者想創(chuàng)建一個(gè)使用保存的模型進(jìn)行預(yù)測的類。這是 prompt 很有趣，解決方案也很完美。

現(xiàn)在編寫一個(gè)示例，使用預(yù)測器的類來預(yù)測 10 個(gè)隨機(jī)圖像的標(biāo)簽：

為了完成這個(gè)，作者讓 ChatGPT 展示了一個(gè)混淆矩陣：

該說不說，ChatGPT 使用的樣式還真挺好看。

完成所有試驗(yàn)后，作者將所有 ChatGPT 生成的代碼公布了出來，你也可以上手試試：

地址：https://colab.research.google.com/drive/1JX1AVIfGtIlnLGqgHrK6WPylPhZvu9qe?usp=sharing

編輯：黃飛

閱讀全文

神經(jīng)網(wǎng)絡(luò)(107115)
AI(298911) AI(298911)
計(jì)算機(jī)視覺(47518) 計(jì)算機(jī)視覺(47518)
機(jī)器學(xué)習(xí)(136440) 機(jī)器學(xué)習(xí)(136440)
ChatGPT(10159) ChatGPT(10159)

評(píng)論

神經(jīng)網(wǎng)絡(luò)50例

神經(jīng)網(wǎng)絡(luò)50例

2012-11-28 16:49:56

神經(jīng)網(wǎng)絡(luò)Matlab程序

神經(jīng)網(wǎng)絡(luò)Matlab程序

2009-09-15 12:52:24

神經(jīng)網(wǎng)絡(luò)與SVM的模塊

大家有知道labview中神經(jīng)網(wǎng)絡(luò)和SVM的工具包是哪個(gè)嗎？求分享一下，有做這方面的朋友也可以交流一下，大家共同進(jìn)步

2017-10-13 11:41:43

神經(jīng)網(wǎng)絡(luò)基本介紹

神經(jīng)網(wǎng)絡(luò)基本介紹

2018-01-04 13:41:23

神經(jīng)網(wǎng)絡(luò)教程（李亞非）

　　第1章概述　　1.1 人工神經(jīng)網(wǎng)絡(luò)研究與發(fā)展　　1.2 生物神經(jīng)元　　1.3 人工神經(jīng)網(wǎng)絡(luò)的構(gòu)成　　第2章人工神經(jīng)網(wǎng)絡(luò)基本模型　　2.1 MP模型　　2.2 感知器模型　　2.3 自適應(yīng)線性

2012-03-20 11:32:43

神經(jīng)網(wǎng)絡(luò)移植到STM32的方法

將神經(jīng)網(wǎng)絡(luò)移植到STM32最近在做的一個(gè)項(xiàng)目需要用到網(wǎng)絡(luò)進(jìn)行擬合，并且將擬合得到的結(jié)果用作控制，就在想能不能直接在單片機(jī)上做神經(jīng)網(wǎng)絡(luò)計(jì)算，這樣就可以實(shí)時(shí)計(jì)算，不依賴于上位機(jī)。所以要解決的主要是兩個(gè)

2022-01-11 06:20:53

神經(jīng)網(wǎng)絡(luò)簡介

神經(jīng)網(wǎng)絡(luò)簡介

2012-08-05 21:01:08

神經(jīng)網(wǎng)絡(luò)資料

基于深度學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)算法

2019-05-16 17:25:05

AI知識(shí)科普 | 從無人相信到萬人追捧的神經(jīng)網(wǎng)絡(luò)

神經(jīng)網(wǎng)絡(luò)的發(fā)展可以追溯到二戰(zhàn)時(shí)期，那時(shí)候先輩們正想著如何用人類的方式去存儲(chǔ)和處理信息，于是他們開始構(gòu)建計(jì)算系統(tǒng)。由于當(dāng)時(shí)計(jì)算機(jī)機(jī)器和技術(shù)的發(fā)展限制，這一技術(shù)并沒有得到廣泛的關(guān)注和應(yīng)用。幾十年來

2018-06-05 10:11:50

MATLAB神經(jīng)網(wǎng)絡(luò)

2013-07-08 15:17:13

Matlab神經(jīng)網(wǎng)絡(luò)工具箱是什么？它在同步中的應(yīng)用有哪些？

Matlab神經(jīng)網(wǎng)絡(luò)工具箱是什么？Matlab神經(jīng)網(wǎng)絡(luò)工具箱在同步中的應(yīng)用有哪些？

2021-04-26 06:42:29

NMSIS神經(jīng)網(wǎng)絡(luò)庫使用介紹

NMSIS NN 軟件庫是一組高效的神經(jīng)網(wǎng)絡(luò)內(nèi)核，旨在最大限度地提高 Nuclei N 處理器內(nèi)核上的神經(jīng)網(wǎng)絡(luò)的性能并最??大限度地減少其內(nèi)存占用。該庫分為多個(gè)功能，每個(gè)功能涵蓋特定類別

2025-10-29 06:08:21

TF之CNN：Tensorflow構(gòu)建卷積神經(jīng)網(wǎng)絡(luò)CNN的嘻嘻哈哈事之詳細(xì)攻略

TF之CNN：Tensorflow構(gòu)建卷積神經(jīng)網(wǎng)絡(luò)CNN的嘻嘻哈哈事之詳細(xì)攻略

2018-12-19 17:03:10

[MATAB神經(jīng)網(wǎng)絡(luò)30個(gè)案例分析].史峰.

[MATAB神經(jīng)網(wǎng)絡(luò)30個(gè)案例分析].史峰.掃描版[***51.net]

2016-06-06 19:03:27

labview BP神經(jīng)網(wǎng)絡(luò)的實(shí)現(xiàn)

請(qǐng)問：我在用labview做BP神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)故障診斷，在NI官網(wǎng)找到了機(jī)器學(xué)習(xí)工具包（MLT），但是里面沒有關(guān)于這部分VI的幫助文檔，對(duì)于”BP神經(jīng)網(wǎng)絡(luò)分類“這個(gè)范例有很多不懂的地方，比如

2017-02-22 16:08:08

matlab神經(jīng)網(wǎng)絡(luò)30個(gè)案例分析源碼

2012-12-19 14:51:24

matlab實(shí)現(xiàn)神經(jīng)網(wǎng)絡(luò) 精選資料分享

習(xí)神經(jīng)神經(jīng)網(wǎng)絡(luò)，對(duì)于神經(jīng)網(wǎng)絡(luò)的實(shí)現(xiàn)是如何一直沒有具體實(shí)現(xiàn)一下：現(xiàn)看到一個(gè)簡單的神經(jīng)網(wǎng)絡(luò)模型用于訓(xùn)練的輸入數(shù)據(jù):對(duì)應(yīng)的輸出數(shù)據(jù):我們這里設(shè)置：1：節(jié)點(diǎn)個(gè)數(shù)設(shè)置：輸入層、隱層、輸出層的節(jié)點(diǎn)

2021-08-18 07:25:21

【PYNQ-Z2試用體驗(yàn)】神經(jīng)網(wǎng)絡(luò)基礎(chǔ)知識(shí)

思考問題的過程。人腦輸入一個(gè)問題，進(jìn)行思考，然后給出答案。神經(jīng)網(wǎng)絡(luò)就是在模擬人的思考這一過程。而我們要做的就是以數(shù)學(xué)的方式，將這一抽象的過程進(jìn)行量化。神經(jīng)元與激活函數(shù)人的大腦有大約1000億個(gè)神經(jīng)

2019-03-03 22:10:19

【案例分享】ART神經(jīng)網(wǎng)絡(luò)與SOM神經(jīng)網(wǎng)絡(luò)

今天學(xué)習(xí)了兩個(gè)神經(jīng)網(wǎng)絡(luò)，分別是自適應(yīng)諧振（ART）神經(jīng)網(wǎng)絡(luò)與自組織映射（SOM）神經(jīng)網(wǎng)絡(luò)。整體感覺不是很難，只不過一些最基礎(chǔ)的概念容易理解不清。首先ART神經(jīng)網(wǎng)絡(luò)是競爭學(xué)習(xí)的一個(gè)代表，競爭型學(xué)習(xí)

2019-07-21 04:30:00

【案例分享】基于BP算法的前饋神經(jīng)網(wǎng)絡(luò)

`BP神經(jīng)網(wǎng)絡(luò)首先給出只包含一個(gè)隱層的BP神經(jīng)網(wǎng)絡(luò)模型（兩層神經(jīng)網(wǎng)絡(luò)）： BP神經(jīng)網(wǎng)絡(luò)其實(shí)由兩部分組成：前饋神經(jīng)網(wǎng)絡(luò)：神經(jīng)網(wǎng)絡(luò)是前饋的，其權(quán)重都不回送到輸入單元，或前一層輸出單元（數(shù)據(jù)信息是單向

2019-07-21 04:00:00

人工神經(jīng)網(wǎng)絡(luò)原理及下載

人工神經(jīng)網(wǎng)絡(luò)是根據(jù)人的認(rèn)識(shí)過程而開發(fā)出的一種算法。假如我們現(xiàn)在只有一些輸入和相應(yīng)的輸出，而對(duì)如何由輸入得到輸出的機(jī)理并不清楚，那么我們可以把輸入與輸出之間的未知過程看成是一個(gè)“網(wǎng)絡(luò)”，通過不斷地給

2008-06-19 14:40:42

人工神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)方法有哪些？

人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Network，ANN)是一種類似生物神經(jīng)網(wǎng)絡(luò)的信息處理結(jié)構(gòu)，它的提出是為了解決一些非線性，非平穩(wěn)，復(fù)雜的實(shí)際問題。那有哪些辦法能實(shí)現(xiàn)人工神經(jīng)網(wǎng)絡(luò)呢？

2019-08-01 08:06:21

人工神經(jīng)網(wǎng)絡(luò)課件

人工神經(jīng)網(wǎng)絡(luò)課件

2016-06-19 10:15:48

什么是LSTM神經(jīng)網(wǎng)絡(luò)

簡單理解LSTM神經(jīng)網(wǎng)絡(luò)

2021-01-28 07:16:57

什么是圖卷積神經(jīng)網(wǎng)絡(luò)？

圖卷積神經(jīng)網(wǎng)絡(luò)

2019-08-20 12:05:29

優(yōu)化神經(jīng)網(wǎng)絡(luò)訓(xùn)練方法有哪些？

優(yōu)化神經(jīng)網(wǎng)絡(luò)訓(xùn)練方法有哪些？

2022-09-06 09:52:36

全連接神經(jīng)網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)有什么區(qū)別

全連接神經(jīng)網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)的區(qū)別

2019-06-06 14:21:42

關(guān)于BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型的確定?。?/a>

請(qǐng)問用matlab編程進(jìn)行BP神經(jīng)網(wǎng)絡(luò)預(yù)測時(shí)，訓(xùn)練結(jié)果很多都是合適的，但如何確定最合適的？且如何用最合適的BP模型進(jìn)行外推預(yù)測？

2014-02-08 14:23:06

卷積神經(jīng)網(wǎng)絡(luò)一維卷積的處理過程

inference在設(shè)備端上做。嵌入式設(shè)備的特點(diǎn)是算力不強(qiáng)、memory小?？梢酝ㄟ^對(duì)神經(jīng)網(wǎng)絡(luò)做量化來降load和省memory，但有時(shí)可能memory還吃緊，就需要對(duì)神經(jīng)網(wǎng)絡(luò)在memory使用上做進(jìn)一步優(yōu)化

2021-12-23 06:16:40

卷積神經(jīng)網(wǎng)絡(luò)為什么適合圖像處理？

卷積神經(jīng)網(wǎng)絡(luò)為什么適合圖像處理？

2022-09-08 10:23:10

卷積神經(jīng)網(wǎng)絡(luò)如何使用

卷積神經(jīng)網(wǎng)絡(luò)(CNN)究竟是什么，鑒于神經(jīng)網(wǎng)絡(luò)在工程上經(jīng)歷了曲折的歷史，您為什么還會(huì)在意它呢? 對(duì)于這些非常中肯的問題，我們似乎可以給出相對(duì)簡明的答案。

2019-07-17 07:21:50

卷積神經(jīng)網(wǎng)絡(luò)模型發(fā)展及應(yīng)用

卷積神經(jīng)網(wǎng)絡(luò)模型發(fā)展及應(yīng)用轉(zhuǎn)載****地址：http://fcst.ceaj.org/CN/abstract/abstract2521.shtml深度學(xué)習(xí)是機(jī)器學(xué)習(xí)和人工智能研究的最新趨勢，作為一個(gè)

2022-08-02 10:39:39

卷積神經(jīng)網(wǎng)絡(luò)的優(yōu)點(diǎn)是什么

卷積神經(jīng)網(wǎng)絡(luò)的優(yōu)點(diǎn)

2020-05-05 18:12:50

卷積神經(jīng)網(wǎng)絡(luò)的層級(jí)結(jié)構(gòu)和常用框架

　　卷積神經(jīng)網(wǎng)絡(luò)的層級(jí)結(jié)構(gòu)　　卷積神經(jīng)網(wǎng)絡(luò)的常用框架

2020-12-29 06:16:44

卷積神經(jīng)網(wǎng)絡(luò)簡介：什么是機(jī)器學(xué)習(xí)？

列文章將只關(guān)注卷積神經(jīng)網(wǎng)絡(luò) （CNN）。CNN的主要應(yīng)用領(lǐng)域是輸入數(shù)據(jù)中包含的對(duì)象的模式識(shí)別和分類。CNN是一種用于深度學(xué)習(xí)的人工神經(jīng)網(wǎng)絡(luò)。此類網(wǎng)絡(luò)由一個(gè)輸入層、多個(gè)卷積層和一個(gè)輸出層組成。卷積層是最重

2023-02-23 20:11:10

卷積神經(jīng)網(wǎng)絡(luò)（CNN）是如何定義的？

什么是卷積神經(jīng)網(wǎng)絡(luò)？ImageNet-2010網(wǎng)絡(luò)結(jié)構(gòu)是如何構(gòu)成的？有哪些基本參數(shù)？

2021-06-17 11:48:22

反饋神經(jīng)網(wǎng)絡(luò)算法是什么

反饋神經(jīng)網(wǎng)絡(luò)算法

2020-04-28 08:36:58

圖像預(yù)處理和改進(jìn)神經(jīng)網(wǎng)絡(luò)推理的簡要介紹

為提升識(shí)別準(zhǔn)確率，采用改進(jìn)神經(jīng)網(wǎng)絡(luò)，通過Mnist數(shù)據(jù)集進(jìn)行訓(xùn)練。整體處理過程分為兩步：圖像預(yù)處理和改進(jìn)神經(jīng)網(wǎng)絡(luò)推理。圖像預(yù)處理主要根據(jù)圖像的特征，將數(shù)據(jù)處理成規(guī)范的格式，而改進(jìn)神經(jīng)網(wǎng)絡(luò)推理主要用于輸出結(jié)果。整個(gè)過程分為兩個(gè)步驟：圖像預(yù)處理和神經(jīng)網(wǎng)絡(luò)推理。需要提前安裝Tengine框架，

2021-12-23 08:07:33

在Ubuntu20.04系統(tǒng)中訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型的一些經(jīng)驗(yàn)

本帖欲分享在Ubuntu20.04系統(tǒng)中訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型的一些經(jīng)驗(yàn)。我們采用jupyter notebook作為開發(fā)IDE，以TensorFlow2為訓(xùn)練框架，目標(biāo)是訓(xùn)練一個(gè)手寫數(shù)字識(shí)別的神經(jīng)網(wǎng)絡(luò)

2025-10-22 07:03:26

基于BP神經(jīng)網(wǎng)絡(luò)的PID控制

最近在學(xué)習(xí)電機(jī)的智能控制，上周學(xué)習(xí)了基于單神經(jīng)元的PID控制，這周研究基于BP神經(jīng)網(wǎng)絡(luò)的PID控制。神經(jīng)網(wǎng)絡(luò)具有任意非線性表達(dá)能力，可以通過對(duì)系統(tǒng)性能的學(xué)習(xí)來實(shí)現(xiàn)具有最佳組合的PID控制。利用BP

2021-09-07 07:43:47

基于BP神經(jīng)網(wǎng)絡(luò)的辨識(shí)

2018-01-04 13:37:27

基于FPGA的神經(jīng)網(wǎng)絡(luò)的性能評(píng)估及局限性

FPGA實(shí)現(xiàn)神經(jīng)網(wǎng)絡(luò)關(guān)鍵問題分析基于FPGA的ANN實(shí)現(xiàn)方法基于FPGA的神經(jīng)網(wǎng)絡(luò)的性能評(píng)估及局限性

2021-04-30 06:58:13

基于RBF神經(jīng)網(wǎng)絡(luò)的辨識(shí)

2018-01-04 13:38:52

如何用卷積神經(jīng)網(wǎng)絡(luò)方法去解決機(jī)器監(jiān)督學(xué)習(xí)下面的分類問題？

人工智能下面有哪些機(jī)器學(xué)習(xí)分支？如何用卷積神經(jīng)網(wǎng)絡(luò)（CNN）方法去解決機(jī)器學(xué)習(xí)監(jiān)督學(xué)習(xí)下面的分類問題？

2021-06-16 08:09:03

如何構(gòu)建神經(jīng)網(wǎng)絡(luò)？

原文鏈接：http://tecdat.cn/?p=5725 神經(jīng)網(wǎng)絡(luò)是一種基于現(xiàn)有數(shù)據(jù)創(chuàng)建預(yù)測的計(jì)算系統(tǒng)。如何構(gòu)建神經(jīng)網(wǎng)絡(luò)？神經(jīng)網(wǎng)絡(luò)包括：輸入層：根據(jù)現(xiàn)有數(shù)據(jù)獲取輸入的層隱藏層：使用反向傳播優(yōu)化輸入變量權(quán)重的層，以提高模型的預(yù)測能力輸出層：基于輸入和隱藏層的數(shù)據(jù)輸出預(yù)測

2021-07-12 08:02:11

如何使用stm32cube.ai部署神經(jīng)網(wǎng)絡(luò)？

如何用stm32cube.ai簡化人工神經(jīng)網(wǎng)絡(luò)映射？如何使用stm32cube.ai部署神經(jīng)網(wǎng)絡(luò)？

2021-10-11 08:05:42

如何移植一個(gè)CNN神經(jīng)網(wǎng)絡(luò)到FPGA中？

訓(xùn)練一個(gè)神經(jīng)網(wǎng)絡(luò)并移植到Lattice FPGA上，通常需要開發(fā)人員既要懂軟件又要懂?dāng)?shù)字電路設(shè)計(jì)，是個(gè)不容易的事。好在FPGA廠商為我們提供了許多工具和IP，我們可以在這些工具和IP的基礎(chǔ)上做

2020-11-26 07:46:03

如何設(shè)計(jì)BP神經(jīng)網(wǎng)絡(luò)圖像壓縮算法？

神經(jīng)網(wǎng)絡(luò)(Neural Networks)是人工神經(jīng)網(wǎng)絡(luò)(Ar-tificial Neural Networks)的簡稱，是當(dāng)前的研究熱點(diǎn)之一。人腦在接受視覺感官傳來的大量圖像信息后，能迅速做出反應(yīng)

2019-08-08 06:11:30

怎么解決人工神經(jīng)網(wǎng)絡(luò)并行數(shù)據(jù)處理的問題

本文提出了一個(gè)基于FPGA 的信息處理的實(shí)例：一個(gè)簡單的人工神經(jīng)網(wǎng)絡(luò)應(yīng)用Verilog 語言描述，該數(shù)據(jù)流采用模塊化的程序設(shè)計(jì)，并考慮了模塊間數(shù)據(jù)傳輸信號(hào)同步的問題，有效地解決了人工神經(jīng)網(wǎng)絡(luò)并行數(shù)據(jù)處理的問題。

2021-05-06 07:22:07

有提供編寫神經(jīng)網(wǎng)絡(luò)預(yù)測程序服務(wù)的嗎？

有提供編寫神經(jīng)網(wǎng)絡(luò)預(yù)測程序服務(wù)的嗎？

2011-12-10 13:50:46

求助地震波神經(jīng)網(wǎng)絡(luò)程序

求助地震波神經(jīng)網(wǎng)絡(luò)程序，共同交流?。?/div>

2013-05-11 08:14:19

求助基于labview的神經(jīng)網(wǎng)絡(luò)pid控制

小女子做基于labview的蒸發(fā)過程中液位的控制，想使用神經(jīng)網(wǎng)絡(luò)pid控制，請(qǐng)問這個(gè)控制方法可以嗎？有誰會(huì)神經(jīng)網(wǎng)絡(luò)pid控制么。。。叩謝

2016-09-23 13:43:16

求助大神關(guān)于神經(jīng)網(wǎng)絡(luò)的問題

求助大神小的現(xiàn)在有個(gè)難題：一組車重實(shí)時(shí)數(shù)據(jù) 對(duì)應(yīng)一個(gè)車重的最終數(shù)值（一個(gè)一維數(shù)組輸入對(duì)應(yīng)輸出一個(gè)數(shù)值）這其中可能經(jīng)過均值、方差、去掉N個(gè)最大值、、、等等的計(jì)算我的目的就是弄清楚這個(gè)中間計(jì)算過程最近實(shí)在想不出什么好辦法就打算試試神經(jīng)網(wǎng)絡(luò) 請(qǐng)教大神用什么神經(jīng)網(wǎng)絡(luò)好求神經(jīng)網(wǎng)絡(luò)程序

2016-07-14 13:35:44

求大神給一個(gè)人工神經(jīng)網(wǎng)絡(luò)與遺傳算法的matlab源代碼

求大神給一個(gè)人工神經(jīng)網(wǎng)絡(luò)與遺傳算法的源代碼。

2016-04-19 17:15:29

簡單神經(jīng)網(wǎng)絡(luò)的實(shí)現(xiàn)

最簡單的神經(jīng)網(wǎng)絡(luò)

2019-09-11 11:57:36

請(qǐng)問Labveiw如何調(diào)用matlab訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)模型呢？

我在matlab中訓(xùn)練好了一個(gè)神經(jīng)網(wǎng)絡(luò)模型，想在labview中調(diào)用，請(qǐng)問應(yīng)該怎么做呢？或者labview有自己的神經(jīng)網(wǎng)絡(luò)工具包嗎？

2018-07-05 17:32:32

輕量化神經(jīng)網(wǎng)絡(luò)的相關(guān)資料下載

視覺任務(wù)中，并取得了巨大成功。然而，由于存儲(chǔ)空間和功耗的限制，神經(jīng)網(wǎng)絡(luò)模型在嵌入式設(shè)備上的存儲(chǔ)與計(jì)算仍然是一個(gè)巨大的挑戰(zhàn)。前面幾篇介紹了如何在嵌入式AI芯片上部署神經(jīng)網(wǎng)絡(luò)：【嵌入式AI開發(fā)】篇五|實(shí)戰(zhàn)篇一：STM32cubeIDE上部署神經(jīng)網(wǎng)絡(luò)之pytorch搭建指紋識(shí)別模型.onnx...

2021-12-14 07:35:25

使用tensorflow構(gòu)建一個(gè)簡單神經(jīng)網(wǎng)絡(luò)

給大家分享一個(gè)案例，如何使用tensorflow 構(gòu)建一個(gè)簡單神經(jīng)網(wǎng)絡(luò)。首先我們需要?jiǎng)?chuàng)建我們的樣本，由于是監(jiān)督學(xué)習(xí)，所以還是需要label的。為了簡單起見，我們只創(chuàng)建一個(gè)樣本進(jìn)行訓(xùn)練，可以當(dāng)做是在

2018-10-16 08:41:00

2727

【人工神經(jīng)網(wǎng)絡(luò)基礎(chǔ)】為什么神經(jīng)網(wǎng)絡(luò)選擇了“深度”？

的 Logistic regression 就可以認(rèn)為是一個(gè)不含隱含層的輸出層激活函數(shù)用 sigmoid（logistic）的神經(jīng)網(wǎng)絡(luò)，顯然 Logistic regression 就不是 deep 的。不過，現(xiàn)在

2018-09-06 20:48:01

937

神經(jīng)網(wǎng)絡(luò)是什么

神經(jīng)網(wǎng)絡(luò)可以指向兩種，一個(gè)是生物神經(jīng)網(wǎng)絡(luò)，一個(gè)是人工神經(jīng)網(wǎng)絡(luò)。生物神經(jīng)網(wǎng)絡(luò)：一般指生物的大腦神經(jīng)元，細(xì)胞，觸點(diǎn)等組成的網(wǎng)絡(luò)，用于產(chǎn)生生物的意識(shí)，幫助生物進(jìn)行思考和行動(dòng)。

2018-11-24 09:25:32

24904

12個(gè)將神經(jīng)網(wǎng)絡(luò)畫地更好看的工具

本文介紹了了12個(gè)將神經(jīng)網(wǎng)絡(luò)畫地更好看的工具。一個(gè)用于畫卷積神經(jīng)網(wǎng)絡(luò)的Python腳本

2020-06-13 14:10:56

4330

基于PyTorch的深度學(xué)習(xí)入門教程之使用PyTorch構(gòu)建一個(gè)神經(jīng)網(wǎng)絡(luò)

：PyTorch的自動(dòng)梯度計(jì)算 Part3：使用PyTorch構(gòu)建一個(gè)神經(jīng)網(wǎng)絡(luò) Part4：訓(xùn)練一個(gè)神經(jīng)網(wǎng)絡(luò)分類器 Part5：數(shù)據(jù)并行化本文是關(guān)于Part3的內(nèi)容。 Part3：使用PyTorch構(gòu)建一

2021-02-15 09:40:00

2546

如何用神經(jīng)網(wǎng)絡(luò)進(jìn)行語音降噪

本文是基于NNoM神經(jīng)網(wǎng)絡(luò)框架實(shí)現(xiàn)的。NNoM是一個(gè)為單片機(jī)定制的神經(jīng)網(wǎng)絡(luò)框架，可以實(shí)現(xiàn)TensorFlow 模型的量化和部署到單片機(jī)上，可以在Cortex M4/7/33等ARM內(nèi)核的單片機(jī)上實(shí)現(xiàn)加速(STM32，LPC，Nordic nRF 等等)。

2022-04-11 10:38:31

6689

什么是神經(jīng)網(wǎng)絡(luò)？什么是卷積神經(jīng)網(wǎng)絡(luò)？

在介紹卷積神經(jīng)網(wǎng)絡(luò)之前，我們先回顧一下神經(jīng)網(wǎng)絡(luò)的基本知識(shí)。就目前而言，神經(jīng)網(wǎng)絡(luò)是深度學(xué)習(xí)算法的核心，我們所熟知的很多深度學(xué)習(xí)算法的背后其實(shí)都是神經(jīng)網(wǎng)絡(luò)。

2023-02-23 09:14:44

4834

如何構(gòu)建神經(jīng)網(wǎng)絡(luò)

神經(jīng)網(wǎng)絡(luò)是模擬人體生物神經(jīng)元原理構(gòu)建的，比較基礎(chǔ)的有M-P模型，它按照生物 神經(jīng)元的結(jié)構(gòu)和工作原理構(gòu)造出來的一個(gè)抽象和簡化的模型。

2023-02-24 16:06:52

2702

用Python從頭實(shí)現(xiàn)一個(gè)神經(jīng)網(wǎng)絡(luò)來理解神經(jīng)網(wǎng)絡(luò)的原理1

有個(gè)事情可能會(huì)讓初學(xué)者驚訝：神經(jīng)網(wǎng)絡(luò)模型并不復(fù)雜！『神經(jīng)網(wǎng)絡(luò)』這個(gè)詞讓人覺得很高大上，但實(shí)際上神經(jīng)網(wǎng)絡(luò)算法要比人們想象的簡單。這篇文章完全是為新手準(zhǔn)備的。我們會(huì)通過用Python從頭實(shí)現(xiàn)一個(gè)神經(jīng)網(wǎng)絡(luò)來理解神經(jīng)網(wǎng)絡(luò)的原理。本文的脈絡(luò)是：

2023-02-27 15:05:34

1200

用Python從頭實(shí)現(xiàn)一個(gè)神經(jīng)網(wǎng)絡(luò)來理解神經(jīng)網(wǎng)絡(luò)的原理2

2023-02-27 15:06:13

1095

用Python從頭實(shí)現(xiàn)一個(gè)神經(jīng)網(wǎng)絡(luò)來理解神經(jīng)網(wǎng)絡(luò)的原理3

2023-02-27 15:06:18

1280

用Python從頭實(shí)現(xiàn)一個(gè)神經(jīng)網(wǎng)絡(luò)來理解神經(jīng)網(wǎng)絡(luò)的原理4

2023-02-27 15:06:21

1219

三個(gè)最流行神經(jīng)網(wǎng)絡(luò)

在本文中，我們將了解深度神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)知識(shí)和三個(gè)最流行神經(jīng)網(wǎng)絡(luò)：多層神經(jīng)網(wǎng)絡(luò)(MLP)，卷積神經(jīng)網(wǎng)絡(luò)(CNN)和遞歸神經(jīng)網(wǎng)絡(luò)(RNN)。

2023-05-15 14:19:18

1981

卷積神經(jīng)網(wǎng)絡(luò)和深度神經(jīng)網(wǎng)絡(luò)的優(yōu)缺點(diǎn) 卷積神經(jīng)網(wǎng)絡(luò)和深度神經(jīng)網(wǎng)絡(luò)的區(qū)別

深度神經(jīng)網(wǎng)絡(luò)是一種基于神經(jīng)網(wǎng)絡(luò)的機(jī)器學(xué)習(xí)算法，其主要特點(diǎn)是由多層神經(jīng)元構(gòu)成，可以根據(jù)數(shù)據(jù)自動(dòng)調(diào)整神經(jīng)元之間的權(quán)重，從而實(shí)現(xiàn)對(duì)大規(guī)模數(shù)據(jù)進(jìn)行預(yù)測和分類。卷積神經(jīng)網(wǎng)絡(luò)是深度神經(jīng)網(wǎng)絡(luò)的一種，主要應(yīng)用于圖像和視頻處理領(lǐng)域。

2023-08-21 17:07:36

5027

人工神經(jīng)網(wǎng)絡(luò)和bp神經(jīng)網(wǎng)絡(luò)的區(qū)別

人工神經(jīng)網(wǎng)絡(luò)和bp神經(jīng)網(wǎng)絡(luò)的區(qū)別? 人工神經(jīng)網(wǎng)絡(luò)（Artificial Neural Network, ANN）是一種模仿人腦神經(jīng)元網(wǎng)絡(luò)結(jié)構(gòu)和功能的計(jì)算模型，也被稱為神經(jīng)網(wǎng)絡(luò)（Neural

2023-08-22 16:45:18

6057

構(gòu)建神經(jīng)網(wǎng)絡(luò)模型的常用方法神經(jīng)網(wǎng)絡(luò)模型的常用算法介紹

神經(jīng)網(wǎng)絡(luò)模型是一種通過模擬生物神經(jīng)元間相互作用的方式實(shí)現(xiàn)信息處理和學(xué)習(xí)的計(jì)算機(jī)模型。它能夠?qū)斎霐?shù)據(jù)進(jìn)行分類、回歸、預(yù)測和聚類等任務(wù)，已經(jīng)廣泛應(yīng)用于計(jì)算機(jī)視覺、自然語言處理、語音處理等領(lǐng)域。下面將就神經(jīng)網(wǎng)絡(luò)模型的概念和工作原理，構(gòu)建神經(jīng)網(wǎng)絡(luò)模型的常用方法以及神經(jīng)網(wǎng)絡(luò)模型算法介紹進(jìn)行詳細(xì)探討。

2023-08-28 18:25:27

1525

構(gòu)建神經(jīng)網(wǎng)絡(luò)模型方法有幾種

構(gòu)建神經(jīng)網(wǎng)絡(luò)模型是深度學(xué)習(xí)領(lǐng)域的核心任務(wù)之一。本文將詳細(xì)介紹構(gòu)建神經(jīng)網(wǎng)絡(luò)模型的幾種方法，包括前饗神經(jīng)網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)、生成對(duì)抗網(wǎng)絡(luò)、深度強(qiáng)化學(xué)習(xí)等。前饗神經(jīng)網(wǎng)絡(luò)

2024-07-02 10:15:11

1248

基于神經(jīng)網(wǎng)絡(luò)算法的模型構(gòu)建方法

神經(jīng)網(wǎng)絡(luò)是一種強(qiáng)大的機(jī)器學(xué)習(xí)算法，廣泛應(yīng)用于各種領(lǐng)域，如圖像識(shí)別、自然語言處理、語音識(shí)別等。本文詳細(xì)介紹了基于神經(jīng)網(wǎng)絡(luò)算法的模型構(gòu)建方法，包括數(shù)據(jù)預(yù)處理、網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)、訓(xùn)練過程優(yōu)化、模型評(píng)估

2024-07-02 11:21:54

1615

使用PyTorch構(gòu)建神經(jīng)網(wǎng)絡(luò)

PyTorch是一個(gè)流行的深度學(xué)習(xí)框架，它以其簡潔的API和強(qiáng)大的靈活性在學(xué)術(shù)界和工業(yè)界得到了廣泛應(yīng)用。在本文中，我們將深入探討如何使用PyTorch構(gòu)建神經(jīng)網(wǎng)絡(luò)，包括從基礎(chǔ)概念到高級(jí)特性的全面解析。本文旨在為讀者提供一個(gè)完整的、技術(shù)性的指南，幫助理解并實(shí)踐PyTorch在神經(jīng)網(wǎng)絡(luò)構(gòu)建中的應(yīng)用。

2024-07-02 11:31:45

1361

卷積神經(jīng)網(wǎng)絡(luò)和bp神經(jīng)網(wǎng)絡(luò)的區(qū)別

不同的神經(jīng)網(wǎng)絡(luò)模型，它們?cè)诮Y(jié)構(gòu)、原理、應(yīng)用等方面都存在一定的差異。本文將從多個(gè)方面對(duì)這兩種神經(jīng)網(wǎng)絡(luò)進(jìn)行詳細(xì)的比較和分析。引言 神經(jīng)網(wǎng)絡(luò)是一種模擬人腦神經(jīng)元連接和信息傳遞的計(jì)算模型，它具有強(qiáng)大的非線性擬合能力和泛

2024-07-02 14:24:03

7113

bp神經(jīng)網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)區(qū)別是什么

結(jié)構(gòu)、原理、應(yīng)用場景等方面都存在一定的差異。以下是對(duì)這兩種神經(jīng)網(wǎng)絡(luò)的比較：基本結(jié)構(gòu) BP神經(jīng)網(wǎng)絡(luò)是一種多層前饋神經(jīng)網(wǎng)絡(luò)，由輸入層、隱藏層和輸出層組成。每個(gè)神經(jīng)元之間通過權(quán)重連接，并通過激活函數(shù)進(jìn)行非線性轉(zhuǎn)換。BP神經(jīng)網(wǎng)絡(luò)通過反向傳播算法進(jìn)行訓(xùn)練，通過調(diào)整權(quán)重和偏置來最小化損失函數(shù)。卷積神經(jīng)網(wǎng)絡(luò)

2024-07-03 10:12:47

3381

反向傳播神經(jīng)網(wǎng)絡(luò)和bp神經(jīng)網(wǎng)絡(luò)的區(qū)別

反向傳播神經(jīng)網(wǎng)絡(luò)（Backpropagation Neural Network，簡稱BP神經(jīng)網(wǎng)絡(luò)）是一種多層前饋神經(jīng)網(wǎng)絡(luò)，它通過反向傳播算法來調(diào)整網(wǎng)絡(luò)中的權(quán)重和偏置，以達(dá)到最小化誤差的目的。BP

2024-07-03 11:00:20

1742

循環(huán)神經(jīng)網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)的區(qū)別

結(jié)構(gòu)。它們?cè)谔幚聿煌愋偷臄?shù)據(jù)和解決不同問題時(shí)具有各自的優(yōu)勢和特點(diǎn)。本文將從多個(gè)方面比較循環(huán)神經(jīng)網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)的區(qū)別。基本概念循環(huán)神經(jīng)網(wǎng)絡(luò)是一種具有循環(huán)連接的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，它可以處理序列數(shù)據(jù)，如時(shí)間序列、文本、音頻等。RNN的核心思想是將前一個(gè)時(shí)間步的輸出作為下一個(gè)時(shí)間步的輸入，從而實(shí)

2024-07-04 14:24:51

2766

遞歸神經(jīng)網(wǎng)絡(luò)是循環(huán)神經(jīng)網(wǎng)絡(luò)嗎

遞歸神經(jīng)網(wǎng)絡(luò)（Recurrent Neural Network，簡稱RNN）和循環(huán)神經(jīng)網(wǎng)絡(luò)（Recurrent Neural Network，簡稱RNN）實(shí)際上是同一個(gè)概念，只是不同的翻譯方式

2024-07-04 14:54:59

2078

rnn是遞歸神經(jīng)網(wǎng)絡(luò)還是循環(huán)神經(jīng)網(wǎng)絡(luò)

RNN（Recurrent Neural Network）是循環(huán)神經(jīng)網(wǎng)絡(luò)，而非遞歸神經(jīng)網(wǎng)絡(luò)。循環(huán)神經(jīng)網(wǎng)絡(luò)是一種具有時(shí)間序列特性的神經(jīng)網(wǎng)絡(luò)，能夠處理序列數(shù)據(jù)，具有記憶功能。以下是關(guān)于循環(huán)神經(jīng)網(wǎng)絡(luò)的介紹

2024-07-05 09:52:36

1514

神經(jīng)網(wǎng)絡(luò)預(yù)測模型的構(gòu)建方法

神經(jīng)網(wǎng)絡(luò)模型作為一種強(qiáng)大的預(yù)測工具，廣泛應(yīng)用于各種領(lǐng)域，如金融、醫(yī)療、交通等。本文將詳細(xì)介紹神經(jīng)網(wǎng)絡(luò)預(yù)測模型的構(gòu)建方法，包括模型設(shè)計(jì)、數(shù)據(jù)集準(zhǔn)備、模型訓(xùn)練、驗(yàn)證與評(píng)估等步驟，并附以代碼示例。

2024-07-05 17:41:38

2438

PyTorch神經(jīng)網(wǎng)絡(luò)模型構(gòu)建過程

PyTorch，作為一個(gè)廣泛使用的開源深度學(xué)習(xí)庫，提供了豐富的工具和模塊，幫助開發(fā)者構(gòu)建、訓(xùn)練和部署神經(jīng)網(wǎng)絡(luò)模型。在神經(jīng)網(wǎng)絡(luò)模型中，輸出層是尤為關(guān)鍵的部分，它負(fù)責(zé)將模型的預(yù)測結(jié)果以合適的形式輸出。以下將詳細(xì)解析PyTorch中神經(jīng)網(wǎng)絡(luò)輸出層的特性及整個(gè)模型的構(gòu)建過程。

2024-07-10 14:57:33

1362

BP神經(jīng)網(wǎng)絡(luò)和人工神經(jīng)網(wǎng)絡(luò)的區(qū)別

BP神經(jīng)網(wǎng)絡(luò)和人工神經(jīng)網(wǎng)絡(luò)（Artificial Neural Networks，簡稱ANNs）之間的關(guān)系與區(qū)別，是神經(jīng)網(wǎng)絡(luò)領(lǐng)域中一個(gè)基礎(chǔ)且重要的話題。本文將從定義、結(jié)構(gòu)、算法、應(yīng)用及未來發(fā)展等多個(gè)方面，詳細(xì)闡述BP神經(jīng)網(wǎng)絡(luò)與人工神經(jīng)網(wǎng)絡(luò)之間的異同，以期為讀者提供一個(gè)全面而深入的理解。

2024-07-10 15:20:53

3040

如何構(gòu)建三層bp神經(jīng)網(wǎng)絡(luò)模型

能力。本文將介紹如何構(gòu)建三層BP神經(jīng)網(wǎng)絡(luò)模型。 神經(jīng)網(wǎng)絡(luò)基礎(chǔ)知識(shí) 2.1 神經(jīng)元模型 神經(jīng)元是神經(jīng)網(wǎng)絡(luò)的基本單元，每個(gè)神經(jīng)元接收輸入信號(hào)，通過激活函數(shù)處理后輸出信號(hào)。一個(gè)神經(jīng)元的數(shù)學(xué)模型可以表示為

2024-07-11 10:55:48

1483

如何編寫一個(gè)BP神經(jīng)網(wǎng)絡(luò)

傳播過程，即誤差從輸出層反向傳播回輸入層，并據(jù)此調(diào)整網(wǎng)絡(luò)參數(shù)。本文將詳細(xì)闡述如何編寫一個(gè)BP神經(jīng)網(wǎng)絡(luò)，包括網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)、前向傳播、損失函數(shù)計(jì)算、反向傳播和參數(shù)更新等關(guān)鍵步驟。

2024-07-11 16:44:13

1627

如何構(gòu)建多層神經(jīng)網(wǎng)絡(luò)

構(gòu)建多層神經(jīng)網(wǎng)絡(luò)（MLP, Multi-Layer Perceptron）模型是一個(gè)在機(jī)器學(xué)習(xí)和深度學(xué)習(xí)領(lǐng)域廣泛使用的技術(shù)，尤其在處理分類和回歸問題時(shí)。在本文中，我們將深入探討如何從頭開始構(gòu)建一個(gè)多層神經(jīng)網(wǎng)絡(luò)模型，包括模型設(shè)計(jì)、數(shù)據(jù)預(yù)處理、模型訓(xùn)練、評(píng)估以及優(yōu)化等方面的內(nèi)容。

2024-07-19 17:19:18

2147

深度學(xué)習(xí)入門：簡單神經(jīng)網(wǎng)絡(luò)的構(gòu)建與實(shí)現(xiàn)

深度學(xué)習(xí)中，神經(jīng)網(wǎng)絡(luò)是核心模型。今天我們用 Python 和 NumPy 構(gòu)建一個(gè)簡單的神經(jīng)網(wǎng)絡(luò)。 神經(jīng)網(wǎng)絡(luò)由多個(gè)神經(jīng)元組成，神經(jīng)元之間通過權(quán)重連接。我們構(gòu)建一個(gè)包含輸入層、隱藏層和輸出層的簡單

2025-01-23 13:52:15

915

已全部加載完成

91欧美超碰AV自拍|国产成年人性爱视频免费看|亚洲日韩欧美一厂二区入|人人看人人爽人人操aV|丝袜美腿视频一区二区在线看|人人操人人爽人人爱|婷婷五月天超碰|97色色欧美亚州A√|另类A√无码精品一级av|欧美特级日韩特级

搜索歷史

如何用ChatGPT 構(gòu)建一個(gè)神經(jīng)網(wǎng)絡(luò)

評(píng)論