0
Q
图论和神经网络
A
回答
2
它是完全不同的。 当然,你可以绘制图形并创建神经网络,但效率很低。
在tensorflow.org(其第一个教程),他们解释说,这种网络: Neural network as a graph 可以计算与矩阵: Neural network as a matrix
计算神经网络的这种方式是方式更强大,因为它可以在gpus上很容易计算(例如CudNN)。更多的是,它很容易区分,使得梯度下降更容易。这种体系结构面临的唯一问题是矩阵不能稀疏(它们可以,但效率不高),但在这一点上,有一些方法可以处理它。
相关问题
- 1. 神经网络
- 2. 神经网络
- 3. SIFT和神经网络Matlab
- 4. 神经网络和IDS
- 5. 神经网络和图像分类
- 6. sigmoid神经网络
- 7. H2O.deeplearning神经网络
- 8. 神经网络:“InverseLayer”
- 9. Hopfield神经网络
- 10. 的神经网络
- 11. 神经网络[ocr]
- 12. MATLAB神经网络
- 13. 神经网络,python
- 14. RBF神经网络
- 15. 神经网络MNIST
- 16. 回归神经网络是一个神经网络链吗?
- 17. 实现偏倚神经网络神经网络
- 18. 访问神经网络权和神经元激活
- 19. 神经网络图像处理
- 20. 神经网络图片分类
- 21. 神经网络值计算?
- 22. 神经网络拓扑
- 23. Python的神经网络库?
- 24. 的BP神经网络
- 25. 神经网络的问题
- 26. 卷积神经网络
- 27. Python:深度神经网络
- 28. 多输出神经网络
- 29. 神经网络不收敛
- 30. InvalidArgumentError在Tensorflow神经网络
这个问题听起来像一个车轮和大众汽车有什么区别。他们分享共同的东西,但... –