神经网络

神经网络是一种强大的机器学习技术，它允许运算（层）的模块化组合，可以对具有高执行和训练性能的各种功能进行建模. 神经网络通常可以抵抗噪声输入并提供良好的泛化能力. 它们是许多领域的核心组件，例如图像和音频处理、自然语言处理、机器人技术、汽车控制、医疗系统等. Wolfram 语言为神经网络的表示、构建、训练和部署提供了高级功能. 多种图层类型可用于符号合成和操作. 得益于专用的编码器和解码器，图像、文本和音频等多种数据类型可以用作输入和输出，从而加深了与 Wolfram 语言其余部分的集成.

构建与属性 »

NetModel — 完成预训练的网络模型

NetGraph — 将要应用到数据上的、训练过的或未经训练的网图的符号表示

NetChain — 简单串接网络层的符号表示

NetMeasurements — 计算网络的测量列表

NetPort ▪ NetPortGradient ▪ NetStateObject ▪ NetTrainResultsObject ▪ ...

神经网络层 »

LinearLayer — 表示可训练的仿射变换层

ConvolutionLayer — 表示可训练卷积运算的层

ThreadingLayer ▪ AttentionLayer ▪ AggregationLayer ▪ SoftmaxLayer ▪ ...

神经网络运算 »

NetTrain — 根据例子训练网络中的参数

NetReplacePart — 替代层或层属性

NetInitialize ▪ NetTake ▪ NetAppend ▪ NetReplace ▪ NetFlatten ▪ ...

编码与解码数据 »

NetEncoder — 将图像、分类等转换成数值数组

NetDecoder — 将数值数组诠释为图像、概率等

强化学习环境

"OpenAIGym" — 访问视频游戏和许多其他测试环境