本书探索深层信仰网络的构建模块，展示其结构如何模仿人类大脑，通过优化数百万参数识别复杂模式，同时避免过拟合。书中提供直观的动机、关键方程及C++和CUDAC代码。
\
图书说明：
探索最常见的深层信仰网络的基本构建模块。在本书的每一步中，本书都提供了直观的动机，与该主题相关的最重要方程的摘要，并以现代CPU上的线程计算的高度注释代码以及具有CUDA功能的视频显示卡的计算机上的大规模并行处理结束。
关于C ++和CUDA C深度学习和信仰网的系列文章中的第一篇，C ++中的Deep Belief Nets和CUDA C：第1卷向您展示了这些优雅模型的结构如何比传统神经网络更接近人类大脑的结构; 他们有一个思维过程，能够学习从简单原语构建的抽象概念。因此，您将看到典型的深度信念网可以通过优化数百万个参数来学习识别复杂模式，但此模型仍然可以抵抗过度拟合。
本书中介绍的所有例程和算法都可以在代码下载中找到，代码下载还包含一些相关例程的库。
你会学到什么
- 使用C ++和CUDA C进行深度学习
- 使用受监督的前馈网络
- 实施受限制的Boltzmann机器
- 使用生成样本
- 了解这些重要原因
本书适用于谁
那些至少具有神经网络基础知识和一些先前编程经验的人，尽管推荐使用一些C ++和CUDA C.
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
