Neuronale Netze: Neu in Wolfram Language 11

Neuronale Netze

Mit Version 11 steht Ihnen nun ein Hochleistungs-Framework für neuronale Netze zur Verfügung, das Trainingsverfahren mit dem Prozessor als auch dem Grafikprozessor unterstützt. Durch die Verarbeitung einer breiten Auswahl visueller Ebenen sowie Encoder und Decoder können trainierte Netze nahtlos mit der Wolfram Language interagieren und arbeiten. Für das Erzeugen und Trainieren neuronaler Netze sind oft nur wenige Zeilen Code nötig, woduch auch ungeübte Anwender Deep Learning -Verfahren nutzen und einsetzen können.

Verwendung einer breiten Auswahl bildorientierter Ebenentypen zur Implementierung hochmoderner Computer-Vision-Algorithmen. »
Definieren von Netzwerktopologien mit mehreren Inputs, Outputs und beliebig gerichteter azyklischer Konnektivitätsstruktur von Graphen. »
Arbeiten mit Bildern sowie mit kategorischen und numerischen Inputs und Outputs. »
Definieren von Netzen mit mehreren Verlustfunktionen zur Durchführung von Multi-Task-Learning. »
Einfaches Evaluieren trainierter Netze anhand einer großen Auswahl eingebauter Klassifikatoren-Metriken. »

Trainieren mit Out-of-Core-Bildatensätzen. »
Trainieren von Netzwerken mit Prozessoren oder NVIDIA-Grafikprozessoren. »
Optimale GPU-Performance durch Verwendung der NVIDIA CUDA Deep Neural Network-Library (cuDNN). »
Importieren und Exportieren trainierter Netze als "WLNet"-Dateien. »
Automatische Schlussfolgerungen von Tensorformen zur Formulierung prägnanter Netzwerk-Definitionen. »

Wolfram Language™

Neuronale Netze

Verwandte Beispiele

Verwandte Funktionen

Verwandte Anleitungen

Siehe auch Neu in 11