训练模型的代码路径为:SelfDirveCar_OpenCV_MLP_RaspberryPi/mlp_training.py / 训练之后,就可以得到mlp在我们获取的数据集的参数模型了。 参数模型的保存路径为:SelfDirveCar_OpenCV_MLP_RaspberryPi/mlp_xml/ 模型训练的结果如下图所示: 可见输出结果中, 神经网络训练时间为 710秒, 训练集错误率 4.30%, 测试集...
OpenCL for Nets - A Deep Learning Framework based on OpenCL, written by C++. Supports popular MLP, RNN(LSTM), CNN(ResNet). Friendly debugger. Transparent data. No library dependencies. 基于OpenCL的深度学习计算框架,C++开发,支持多层感知器,长短时记忆模型
已完成进度:可成功运行MLP全连接多层感知器,CharRNN(LSTM,基于动态计算图的循环实现),CNN(LeNet5,MNIST),WRN(CIFAR)的训练及推断。 三种模型均在Nvidia GTX1080, AMD R9 295X2, Intel HD Graphics 630以及Intel CPU,AMD CPU/APU上测试通过。 测试通过的编译环境: Windows 10,MSVS2015; Linux CentOS 7,g++...
基于OpenCL的深度学习计算框架,C++开发,支持多层感知器,长短时记忆模型,卷积神经网络。 Progress: Currently clnet can successfully run fully connected neural networks (MLP), CharRNN (LSTM) which uses dynamic computing graph to deal with loops, CNN (LeNet5 on MNIST dataset), WRN (Wide Residual ...