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