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. 神经网络和IDS
- 4. OCR和神经网络?
- 5. SIFT和神经网络Matlab
- 6. 神经网络和图像分类
- 7. 卷积神经网络和3D图像
- 8. 神经网络[ocr]
- 9. 神经网络,python
- 10. MATLAB神经网络
- 11. 神经网络backpropogation
- 12. 神经网络:“InverseLayer”
- 13. 的神经网络
- 14. SOM - 神经网络
- 15. sigmoid神经网络
- 16. Spiking神经网络
- 17. H2O.deeplearning神经网络
- 18. 神经网络MNIST
- 19. Hopfield神经网络
- 20. RBF神经网络
- 21. 实现偏倚神经网络神经网络
- 22. 回归神经网络是一个神经网络链吗?
- 23. 如何使用神经网络与simulink和神经网络工具箱
- 24. 访问神经网络权和神经元激活
- 25. 神经网络图像处理
- 26. 神经网络图片分类
- 27. 的BP神经网络
- 28. Android神经网络InvalidClassException
- 29. 神经网络加权
- 30. VB中的神经网络
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... –