文件名称：Deep-Learning-R-GPU:使用GPU实施R的深度学习软件包以实现高性能
文件大小：162.79MB
文件格式：ZIP
更新时间：2024-05-28 18:53:30
R
使用GPU实施R的深度学习软件包以实现高性能 资源 autoEncoderExercise.R 稀疏自动编码器的练习 linearDecoderExercise.R 带自动编码器的线性解码器的练习 rbmExercise.R 受限玻尔兹曼机的运动 cnnExercise.R 卷积和池化练习 softmaxExercise.R softmax的练习 堆叠式 堆叠式自动编码器的练习 锻炼 自主学习练习 gpu / matmult.cu 使用C / C ++实现GPU矩阵乘法 gpu / mamult.R * gpu / nvcc_compile.sh * 普通R 常用方法 深度学习 方法实现深度学习算法 softmaxR 方法实现softmax算法 数据/* 练习数据文件
【文件预览】：
Deep-Learning-R-GPU-master
----stackedAEExercise.R(5KB)
----linearDecoderExercise.R(2KB)
----stlExercise.R(3KB)
----deeplearning()
--------denoisingAutoencoder.R(2KB)
--------common.R(5KB)
--------softmax.R(3KB)
--------sparseAutoencoder.R(5KB)
--------sparseAutoencoderLinear.R(5KB)
--------cnn.R(1KB)
--------stackedAE.R(9KB)
--------layers.R(13KB)
----denoisingAutoEncoderExercise.R(4KB)
----rbmExercise.R(2KB)
----softmaxExercise.R(1KB)
----autoEncoderExercise.R(1KB)
----README.md(779B)
----gpu()
--------mamult.R(692B)
--------nvcc_compile.sh(309B)
--------matmult.cu(3KB)
--------deviceQuery.cpp(10KB)
----cnnExercise.R(2KB)
----data()
--------stlTrainSubset.mat(41.71MB)
--------stlTestSubset.mat(67.07MB)
--------t10k-images-idx3-ubyte(7.48MB)
--------stlSampledPatches.mat(35.91MB)
--------IMAGES.mat(20MB)
--------train-labels-idx1-ubyte(59KB)
--------t10k-labels-idx1-ubyte(10KB)
--------train-images-idx3-ubyte(44.86MB)