0
Q
圖論和神經網絡
A
回答
2
它是完全不同的。 當然,你可以繪製圖形並創建神經網絡,但效率很低。
在tensorflow.org(其第一個教程),他們解釋說,這種網絡: Neural network as a graph 可以計算與矩陣: Neural network as a matrix
計算神經網絡的這種方式是方式更強大,因爲它可以在gpus上很容易計算(例如CudNN)。更多的是,它很容易區分,使得梯度下降更容易。這種體系結構面臨的唯一問題是矩陣不能稀疏(它們可以,但效率不高),但在這一點上,有一些方法可以處理它。
相關問題
- 1. 神經網絡
- 2. 神經網絡
- 3. 神經網絡和IDS
- 4. OCR和神經網絡?
- 5. SIFT和神經網絡Matlab
- 6. 神經網絡和圖像分類
- 7. 卷積神經網絡和3D圖像
- 8. 神經網絡[ocr]
- 9. 神經網絡,python
- 10. MATLAB神經網絡
- 11. 神經網絡backpropogation
- 12. 神經網絡:「InverseLayer」
- 13. 的神經網絡
- 14. SOM - 神經網絡
- 15. sigmoid神經網絡
- 16. Spiking神經網絡
- 17. H2O.deeplearning神經網絡
- 18. 神經網絡MNIST
- 19. Hopfield神經網絡
- 20. RBF神經網絡
- 21. 實現偏倚神經網絡神經網絡
- 22. 迴歸神經網絡是一個神經網絡鏈嗎?
- 23. 如何使用神經網絡與simulink和神經網絡工具箱
- 24. 訪問神經網絡權和神經元激活
- 25. 神經網絡圖像處理
- 26. 神經網絡圖片分類
- 27. 的BP神經網絡
- 28. Android神經網絡InvalidClassException
- 29. 神經網絡加權
- 30. VB中的神經網絡
這個問題聽起來像一個車輪和大衆汽車有什麼區別。他們分享共同的東西,但... –