Deep learning use casesDL4J’s Main

Deep learning use cases
DL4J’s Main Features

A versatile n-dimensional array class.
GPU integration
Scalable on Hadoop, Spark
Canova: A General vectorization tool for Machine-Learning libs
ND4J: A linear algebra library 2x as fast as Numpy

ผลลัพธ์ (ไทย) 1:

เรียนลึกใช้กรณีคุณสมบัติหลักของ DL4J ชั้นอาร์เรย์ n มิติที่หลากหลาย รวม GPU ปรับสเกลบนอย่างไร Hadoop ประกาย คาโนวา: vectorization ทั่วไปเครื่องมือที่สำหรับเรียนรู้เครื่อง libs ND4J: พีชคณิตเชิงเส้นรี 2 x เป็นอย่างรวดเร็ว Numpy

ผลลัพธ์ (ไทย) 2:

การใช้การเรียนรู้ลึกกรณี
DL4J ของคุณลักษณะหลัก. อเนกประสงค์ชั้นอาร์เรย์ n มิติบูรณาการการทำงานของGPU ที่ปรับขนาดได้ใน Hadoop, Spark Canova: เครื่องมือ vectorization ทั่วไปเครื่อง-Learning libs ND4J: ห้องสมุดพีชคณิตเชิงเส้น 2x เร็วที่สุดเท่าที่ Numpy

ผลลัพธ์ (ไทย) 3:

ลึกเรียนรู้กรณีใช้
dl4j เป็นคุณสมบัติหลัก

ชั้นเรย

n-dimensional เอนกประสงค์ การยืดหยุ่นใน GPU Hadoop , Spark
คาโนวา : เครื่องมือ vectorization ทั่วไปสำหรับการเรียนรู้เครื่องเย็น
nd4j : พีชคณิตเชิงเส้นห้องสมุด 2x เร็ว numpy