Deep learning uses deep neural netw

Deep learning uses deep neural networks which have been around for a few decades; what’s changed in recent years is the availability of large labeled datasets and powerful GPUs. Neural networks are inherently parallel algorithms and GPUs with thousands of cores can take advantage of this parallelism to dramatically reduce computation time needed for training deep learning networks. In this post, I will discuss how you can use MATLAB to develop an object recognition system using deep convolutional neural networks and GPUs.

ผลลัพธ์ (ไทย) 1:

เรียนลึกใช้เครือข่ายประสาทลึกที่ได้รับรอบสำหรับกี่ทศวรรษ สิ่งที่เปลี่ยนแปลงในปีที่ผ่านมาคือ ความพร้อมของ datasets ป้ายขนาดใหญ่และมีประสิทธิภาพ GPUs เครือข่ายประสาทเป็นอัลกอริทึมที่มีความพร้อม และ GPUs พันแกนสามารถใช้ประโยชน์จากนี้ parallelism การลดเวลาการคำนวณที่จำเป็นสำหรับการฝึกอบรมเครือข่ายการเรียนรู้ลึก ในบทความนี้ ฉันจะอธิบายวิธีที่คุณสามารถใช้ MATLAB ในการพัฒนาระบบการรู้จำวัตถุการใช้เครือข่ายประสาท convolutional ลึกและ GPUs

ผลลัพธ์ (ไทย) 2:

การเรียนรู้ลึกใช้เครือข่ายประสาทลึกที่ได้รับรอบไม่กี่ทศวรรษที่ผ่านมา; สิ่งที่เปลี่ยนแปลงไปในปีที่ผ่านมาคือความพร้อมของชุดข้อมูลที่มีข้อความที่มีขนาดใหญ่และมีประสิทธิภาพ GPUs โครงข่ายประสาทเทียมมีขั้นตอนวิธีการแบบคู่ขนานโดยเนื้อแท้และ GPUs ที่มีมากมายของแกนสามารถใช้ประโยชน์จากความเท่าเทียมนี้เพื่อลดเวลาในการคำนวณที่จำเป็นสำหรับการฝึกอบรมการเรียนรู้เครือข่ายลึก ในบทความนี้ผมจะหารือวิธีการที่คุณสามารถใช้ MATLAB การพัฒนาระบบการรับรู้วัตถุโดยใช้เครือข่ายประสาทลึกความสับสนและ GPUs

ผลลัพธ์ (ไทย) 3:

การใช้โครงข่ายประสาทเทียมแบบลึกลึกที่ได้รับรอบไม่กี่ทศวรรษ สิ่งที่เปลี่ยนไปใน ปี ล่าสุดคือ ความพร้อมใช้งานของข้อมูล และป้ายขนาดใหญ่สุดที่มีประสิทธิภาพ โครงข่ายประสาทเทียมเป็นอย่างโดยเนื้อแท้และขั้นตอนวิธีแบบขนานต่อพันแกนสามารถใช้ประโยชน์จากความนี้เพื่อช่วยลดเวลาในการประมวลผลที่จำเป็นสำหรับการฝึกอบรมลึกเครือข่ายการเรียนรู้ . ในการโพสต์นี้ผมจะอธิบายวิธีที่คุณสามารถใช้โปรแกรมเพื่อพัฒนาระบบการรับรู้วัตถุโดยใช้โครงข่ายประสาทเทียมและลึกสุดของคอน .