分支1 标签1 Larry LuUpdate Readme.mdb9db2ff8年前 89 次提交 提交 build removing compiled files from repo, these will be found in releases from now on 11年前 compile fixing the build script and tweaking mnist demo tiny bit 11年前
ConvNetJS那个MNIST demo默认用的Loss的公式是啥？公式 CS231n Convolutional Neural Networks for Visual...
https://cs.stanford.edu/people/karpathy/convnetjs/demo/cifar10.html http://cs231n.github.io/assets/conv-demo/index.html https://cs.stanford.edu/people/karpathy/convnetjs//demo/classify2d.html http://scs.ryerson.ca/~aharley/vis/conv/...
ConvNetJS 是用 JavaScript 实现的神经网络,同时还有基于浏览器的 demo。它目前支持: 通用的神经网络模型(连接到所有层,非线性) 分类(SVM/Softmax) 和回归的 (L2) 成本函数 一个用于全自动神经网络学习的 MagicNet 类 指定和培训用于处理图像的卷积网络 一个基于 Deep Q 学习的实验性强化学习模型 ...
Deep Q Learning Reinforcement Learning demo Image Regression ("Painting") Comparison of SGD/Adagrad/Adadelta on MNIST Example Code Here's a minimum example of defining a 2-layer neural network and training it on a single data point: // species a 2-layer neural network with one hidden layer ...
The library also has a Reinforcement Learning demo that follows a Deep Q - Learning NIPS2013 Workshop Paper Playing Atari with Deep Reinforcement Learning. In short, a Neural Network is used to model the value function. The API is very simple to use. For example, lets train an agent that...
ConvnetJS是github上面最火的DL项目,简单,可读性强,其源码可读性也可以,还有丰富的demo但是,不能搭建复杂点的东西,多个深度网络的组合网络(一般用于图像相似性匹配和object scence parse)或者Neural Talk之类的。这几天读完他的源码,发觉,这个库,每一层的dw数组,储存着上一次计算所得到的误差。我可以直接利用这个数...
http://cs.stanford.edu/people/karpathy/convnetjs/demo/rldemo.html 结语:convnetjs机器学习框架可以在浏览器上训练深度网络,也可以结合nodejs在服务器上运行构建网络,可以用它做一些新颖的小游戏或小工具,比如:用户和训练出来的网络(该网络可以是预先在服务器上训练好的json数据,直接传到客户端,或者直接和服务...
ConvNetJS 是用 JavaScript 实现的神经网络,同时还有基于浏览器的 demo。它目前支持: 通用的神经网络模型(连接到所有层,非线性) 分类(SVM/Softmax) 和回归的 (L2)成本函数 一个用于全自动神经网络学习的 MagicNet 类 指定和培训用于处理图像的卷积网络 ...
Deep Q Learning Reinforcement Learning demo Image Regression ("Painting") Comparison of SGD/Adagrad/Adadelta on MNIST Here's a minimum example of defining a2-layer neural networkand training it on a single data point: // species a 2-layer neural network with one hidden layer of 20 neuronsvar...