文件名称：brainsparks:用于神经网络和深度学习的沙箱
文件大小：238KB
文件格式：ZIP
更新时间：2024-05-29 17:30:39
Python
脑火花 实验神经网络和深度学习代码 加里西斯式 主要的神经网络代码。 大量使用NumPy。 实施和工作 多层感知器（密集层） 反向传播梯度 常用激活功能：S型，tanh，ReLU，线性 常见的成本/误差函数：MSE，MAE，交叉熵 随机梯度下降优化器 L1和L2正则化器 在作品中 一维卷积层，可选的最大池化（梯度接近完成） 自动编码器（MLP样式） 通过PyCUDA和/或PyOpenCL进行GPU加速（仍在进行实验） 未来的工作 更多优化程序选项：rprop，动量，adagrad等。 2D卷积，以跟进1D卷积 循环网络 脑火花 用于Calrissian的实验数据并行性挂钩。 尝试使用Spark进行一些线性代数运算，但是运气不高。 研究复制的Calrissian网络以实现并行性