eclipse创建神经网络_使用Eclipse Deeplearning4j构建简单的神经网络

eclipse创建神经网络

神经网络导论

深度学习包含深度神经网络和深度强化学习，它们是机器学习的子集，而机器学习本身就是人工智能的子集。 广义地说，深度神经网络执行机器感知，该机器感知从原始数据中提取重要特征，并对每个观察结果进行某种预测。 示例包括识别图像中表示的对象，将模拟语音映射到书面转录，按情感对文本进行分类以及对时间序列数据进行预测。

尽管神经网络是上世纪发明的，但直到最近才引起人们更多的兴奋。 现在已经有了利用神经网络概念的计算能力，它们已被用于在计算机视觉，自然语言处理和强化学习等领域设定新的最新技术成果。 DeepMind的科学家实现了深度学习的一项著名成就，该科学家创建了一个名为AlphaGo的计算机程序，该程序在2016年和2017年分别击败了前世界冠军Go选手和现任冠军。 许多专家预测，这一成就将再过十年。

神经网络有许多种，但是它们如何工作的基本概念很简单。 它们大致基于人脑，由一层或多层“神经元”组成，它们只是传递来自上一层信号的数学运算。 在每一层，对来自上一层神经元的输入进行计算，然后将输出中继到下一层。 网络最后一层的输出将根据任务表示对输入数据的一些预测。 建立成功的神经网络所面临的挑战是找到适用于每一层的正确计算。

神经网络可以处理高维数值和分类数据，并执行诸如回归，分类，聚类和特征提取之类的任务。 通过首先根据数据和任务配置其体系结构，然后调整其超参数以优化神经网络的性能来创建神经网络。 一旦对神经网络进行了充分的训练和调整，就可以将其用于处理新的数据集并返回合理可靠的预测。

Eclipse DeepLearning4j适用的地方

Eclipse Deeplearning4j （DL4J）是一个基于JVM的开源工具包，用于构建，训练和部署神经网络。 它旨在为Java和Scala社区提供服务，并且用户友好，稳定并且与Spark，CUDA和cuDNN等技术很好地集成在一起。 Deeplearning4j还与Keras和TensorFlow等Python工具集成，以将其模型部署到JVM上的生产环境。 它还附带了一组开源库，Skymind将这些开源库捆绑在称为Skymind Intelligence Layer（SKIL）的企业发行版中。 这些库是：