文件名称：mojo-cnn:mojo cnn
文件大小：2.49MB
文件格式：ZIP
更新时间：2024-05-22 00:40:52
C++
MSVC Win64 GCC Linux64 mojo cnn 快速简便的仅标头c ++卷积神经网络包 mojo是一种高效的C ++ CNN / DNN实现，旨在平衡可用性，功能和速度。 它非常适合在实际应用中使用。 请参阅以获取新功能的更新。 mojo仅由少量的头文件组成，是可移植的C ++，带有用于优化的老式C技巧。 如果使用OpenMP和SSE3构建，则其速度可与其他基于CPU的CNN框架相媲美。 作为最小的CPU解决方案，它并非旨在跨集群扩展来训练非常深的模型（为此，请搭配GPU和Caffe，TensorFlow，CNTK，Torch等使用） mojo cnn API提供了一个“智能培训”选项，该选项可以抽象化培训过程的管理，但仍提供了灵活性，可以根据需要处理线程和输入数据（启用实时数据扩充）。 循环播放并传递训练样本，直到mojo cnn说停止为止。 因此，您不受保存数据
【文件预览】：
mojo-cnn-master
----.gitignore(3KB)
----data()
--------README.md(838B)
--------dog.jpg(6KB)
----license.txt(1KB)
----.travis.yml(230B)
----models()
--------snapshots()
--------README.md(2KB)
--------mnist_quickstart.txt(733B)
--------mnist_deepcnet.mojo(1.04MB)
--------cifar_deepcnet.mojo(1.54MB)
----.github()
--------ISSUE_TEMPLATE()
----examples()
--------train_cifar.vcxproj(10KB)
--------train_mnist.vcxproj(8KB)
--------mojo_vc2010.sln(3KB)
--------test.cpp(5KB)
--------vgg.vcxproj(8KB)
--------README.md(293B)
--------test.vcxproj(8KB)
--------train_mnist.cpp(9KB)
--------makefile(423B)
--------train_cifar.cpp(9KB)
--------vgg.cpp(28KB)
--------cifar_parser.h(4KB)
--------mnist_parser.h(6KB)
----README.md(5KB)
----.appveyor.yml(161B)
----mojo()
--------cost.h(3KB)
--------core_math.h(26KB)
--------mojo.h(3KB)
--------activation.h(20KB)
--------network.h(50KB)
--------util.h(20KB)
--------solver.h(6KB)
--------layer.h(67KB)