原文:
Fluent UDF【11】:单元数据访问宏
Fluent UDF【10】:网格面数据访问宏
zhz风萧萧 阅2325 转3
UDF中的常用宏-Cell Field Variable Macros和Looping Macros
CFD流 阅523
matlab中(),[],与{}的区别认识
乌商汇富 阅1522 转2
利用基于局部梯度更新规则的伪元胞自动机进行数据挖掘
taomaohu860706 阅85 转3
一步一步动画图解LSTM和GRU,没有数学,包你看的明白
wenxuefeng360 阅207
CUDA 的硬件单元映射
wang16500 阅892 转9
零基础入门深度学习:感应器、线性单元和梯度下降
LZS2851 阅882 转16
零基础入门深度学习(2)
witoojhb 阅161 转5
机器学习研究者需要了解的神经网络架构有哪些?
尹广学 阅50 转4
机器学习教程之深度学习前馈神经网络
恶魔传说 阅443 转4
《Deep learning 中译版第10章10.1~10.2》
whale妹妹 阅203 转5
干货|转型人工智能,你需要掌握的八大神经网络
穆洋郎 阅71 转3
机器学习研究人员需要了解的8个神经网络架构(下)
牛k8nb72h1x6w1 阅70 转3
【吴恩达机器学习】第九章 神经网络参数的反向传播算法
LibraryPKU 阅539 转2
深度学习视频理解之图像分类 | 文末送书
taotao_2016 阅53 转2
Deep Learning Papers Reading Roadmap
雪柳花明 阅262
第一周:深度学习的实践层面 (Practical aspects of Deep Learning)
印度阿三17 阅138
深度学习鼻祖Geoffrey Hinton帮你入门带你飞
南风清雨 阅71
你真的理解反向传播吗?面试必备
_明心见性_ 阅208
Coursera机器学习笔记(九)
长沙7喜 阅55
RNN系列教程之四 | 利用LSTM或GRU缓解梯度消失问题
科技行者 阅297
RNN到GPT文本生成的革命之路经历了什么(1)
山峰云绕 阅44
Coursera公开课笔记: 斯坦福大学机器学习第九课“神经网络的学习(Neural Networks: Learning)”
金陵一棵树 阅66
首页
留言交流
联系我们
回顶部