- 授权协议: GPL
- 开发语言: Python
- 操作系统: 跨平台
- 软件首页: https://github.com/hannes-brt/hebel
- 软件文档: https://github.com/hannes-brt/hebel
软件介绍
Hebel 是一款用 Python 编写的支持 GPU 加速的深度学习库。
Hebel 是一个通过 PyCUDA 库使用 GPU CUDA 来加速建立神经网络的深度学习库。它实现了几类最重要的神经网络模型,提供各种激活函数和训练模型,包括 momentum、Nesterov momentum、dropout 和early stopping。
目前,Hebel 实现了前向式(feed-forward)神经网络模型,其他像自编码( Autoencoder)、卷积(Convolutional)神经网络模型和限制波尔兹曼机(Restricted Boltzman machines)等功能计划后续加入。
Hebel 还实现了 L1 L2 权重衰减(weight decay)。
依赖
PyCUDA
numpy
PyYAML
skdata(仅用于 MNIST 示例)
数据挖掘中的新方法:支持向量机
邓乃扬、田英杰 / 科学出版社 / 2004-6-10 / 53.00元
支持向量机是数据挖掘中的一个新方法。支持向量机能非常成功地处理回归问题(时间序列分析)和模式识别(分类问题、判别分析)等诸多问题,并可推广于预测和综合评价等领域,因此可应用于理科、工科和管理等多种学科。目前国际上支持向量机在理论研究和实际应用两方面都正处于飞速发展阶段。希望本书能促进它在我国的普及与提高。 本书对象既包括关心理论的研究工作者,也包括关心应用的实际工作者。对于有关领域的具有高等......一起来看看 《数据挖掘中的新方法:支持向量机》 这本书的介绍吧!
