欢迎大家赞助一杯啤酒🍺 我们准备了下酒菜：Formal mathematics/Isabelle/ML, Formal verification/Coq/Agda, C++/Erlang/Lisp
Deeplearning4j
来自开放百科 - 灰狐
（版本间的差异）
小 (→指南) |
小 (→DL4J神经网络) |
||
| 第11行： | 第11行： | ||
*回归分析 | *回归分析 | ||
| − | == | + | ==DL4J[http://deeplearning4j.org/neuralnet-overview 神经网络]== |
| − | *受限玻尔兹曼机 | + | [http://deeplearning4j.org/neuralnetworktable.html 如何选择神经网络] |
| − | * | + | *[http://deeplearning4j.org/zh-restrictedboltzmannmachine.html 受限玻尔兹曼机] |
| − | *递归网络/ | + | *[http://deeplearning4j.org/zh-convolutionalnets.html 卷积网络]（图像） |
| − | *递归自动编码器 | + | *[http://deeplearning4j.org/usingrnns.html 递归网络]/[http://deeplearning4j.org/lstm.html LSTMs]（时间序列和传感器数据） |
| − | *深度置信网络 | + | *[https://github.com/deeplearning4j/deeplearning4j/blob/master/deeplearning4j-core/src/main/java/org/deeplearning4j/nn/layers/feedforward/autoencoder/recursive/RecursiveAutoEncoder.java 递归自动编码器] |
| − | * | + | *[http://deeplearning4j.org/deepbeliefnetwork.html 深度置信网络] |
| + | *[http://deeplearning4j.org/deepautoencoder.html 深度自动编码器]（问－答／数据压缩） | ||
*递归神经传感器网络（场景、分析） | *递归神经传感器网络（场景、分析） | ||
| − | *堆叠式降噪自动编码器 | + | *[http://deeplearning4j.org/stackeddenoisingautoencoder.html 堆叠式降噪自动编码器] |
==为何选择DL4J== | ==为何选择DL4J== | ||
2016年3月19日 (六) 04:11的版本
deeplearning4j：开源(Apache v2)神经网络平台，基于 Apache Hadoop, Apache Spark 构建，为 Java, Scala & Clojure 编程语言提供的深度学习库。
目录 |
应用场景
神经网络应用情景
- 人脸／图像识别
- 语音搜索
- 文本到语音（转录）
- 垃圾邮件筛选（异常情况探测）
- 欺诈探测
- 推荐系统（客户关系管理、广告技术、避免用户流失）
- 回归分析
DL4J神经网络
- 受限玻尔兹曼机
- 卷积网络（图像）
- 递归网络/LSTMs（时间序列和传感器数据）
- 递归自动编码器
- 深度置信网络
- 深度自动编码器（问－答／数据压缩）
- 递归神经传感器网络（场景、分析）
- 堆叠式降噪自动编码器
为何选择DL4J
为何选择Deeplearning4j？
- 功能多样的N维数组类，为Java和Scala设计
- 与GPU集合
- 可在Hadoop、Spark上实现伸缩
- Canova：机器学习库的通用向量化工具
- ND4J：线性代数库，较Numpy快一倍
- 文档全面、有深度、多语言
指南
推荐引擎
Build a Recommendation Engine With DL4J
Spark
- Deeplearning4j on Spark
- Iterative Reduce With DL4J on Hadoop and Spark
- How to Speed Up Spark With Native Binaries and OpenBlas
图集
DL4J
工业应用
DL4J UI
链接
分享您的观点
