西雅娜

Theano是一个Python库,允许您高效地定义、优化和计算涉及多维数组的数学表达式。Theano的特点是与numpy紧密集成,GPU的透明使用,高效的符号微分,速度和稳定性优化,动态C代码生成,以及广泛的单元测试和自我验证。自2007年以来,Theano一直在为大规模的计算密集型科学研究提供动力。但它也足够平易近人,可以在课堂上使用(蒙特利尔大学的IFT6266)(资料来源:http://freecode.com/)


zbMATH中的参考文献(参考 59篇文章

显示第1到第20个结果,共59个。
按年份排序(引文)
  1. Cohen,William;Yang,Fan;Mazaitis,Kathryn Rivard:TensorLog:使用深度学习基础设施实现的概率数据库(2020)
  2. 杜阿尔特,维克多;杜阿尔特,迪奥戈;丰塞卡,茱莉亚;蒙特奇诺斯,亚历克西斯:定量经济学的基准机器学习软件和硬件(2020年)
  3. Hottung,André;Tanaka,Shunji;Tierney,Kevin:集装箱预编组问题的深度学习辅助启发式树搜索(2020)
  4. Hughes,Mark C.:预测和计算节点不变量的神经网络方法(2020)
  5. Alexa-Dau-Led-Sa,Black-Daundra-ETS-2020;黑卡托萨-卡托萨-艾利克斯-卡托萨-艾利克斯-卡托萨-艾利克斯-卡托萨-艾尔克丝-卡托萨-艾利克丝-卡托萨-艾利克丝-卡托萨-
  6. 孙鲁宁,高,韩,潘,邵武,王建勋:基于物理约束的无模拟数据深度学习的流体流动替代建模(2020)
  7. Tobias Stål,Anya M.Reading:多维和多元空间表示和数据处理的网格(2020)不是zbMATH
  8. Willmott,Devin;Murrugarra,David;Ye,Qiang:通过深度递归神经网络的状态推断改进RNA二级结构预测(2020)
  9. Arnaudon,Alexis;Holm,Darryl D.;Sommer,Stefan:随机形状分析的几何框架(2019)
  10. Bonilla,Edwin V.;Krauth,Karl;Dezfouli,Amir:潜在高斯过程模型中的泛型推理(2019)
  11. Cox,Marco;van de Laar,Thijs;de Vries,Bert:贝叶斯信号处理算法自动设计的因子图方法(2019年)
  12. Edgar Riba,Dmytro Mishkin,Daniel Ponsa,Ethan Rublee,Gary Bradski:Kornia:Pythorch的开源可区分计算机视觉库(2019)阿尔十四
  13. Kühnel,Line;Sommer,Stefan;Arnaudon,Alexis:《微分几何与随机动力学与深度学习数值》(2019)
  14. Livezey,Jesse A.;Bujan,Alejandro F.;Sommer,Friedrich T.:学习具有线性推理的过度完备、低连贯性词典(2019年)
  15. Matteo Ravasi,Ivan Vasconcelos:PyLops-用于大规模优化的线性运算符Python库(2019)阿尔十四
  16. Wang,Bao;Yin,Penghang;Bertozzi,Andrea Louise;Brantingham,P.Jeffrey;Osher,Stanley Joel;Xin,Jack:实时犯罪预测及其国际化的深度学习(2019)
  17. Aggarwal,Charu C.:神经网络与深度学习。教科书(2018)
  18. Albert Zeyer,Tamer Alkhouli,Hermann-Ney:RETURNN作为一种通用的灵活神经工具包,应用于翻译和语音识别(2018)阿尔十四
  19. Andrew Beers;James Brown;Ken Chang;Katharina Hoebel;Elizabeth Gerstner;Bruce Rosen;Jayashree Kalpathy-Cramer:DeepNeuro:神经影像学的开源深度学习工具箱(2018)阿尔十四
  20. Baydin,Atılım Güneş;Pearlmutter,Barak A.;Radul,Alexey Andreyevich;Siskind,Jeffrey Mark:《机器学习中的自动微分:一项调查》(2018年)