搭建神經網路軟體

A. 使用python在GPU上構建和訓練卷積神經網路

我將對代碼進行補充演練，以構建在數據集上訓練的任何類型的圖像分類器。在這個例子中，我將使用花卉數據集，其中包括102種不同類型的花。需要數據集和代碼都可以私信我。

Pytorch是機器學習和Python上的免費軟體包，非常易於使用。語法模擬numpy，因此，如果你在python中有一些科學計算經驗，那麼會相當有用的。只需幾行代碼，就可以下載預先訓練的數據集，使用定義的變換對圖像進行標准化，然後運行訓練。

創建和擴充數據集

為了增加數據集，我使用' google_images_download'API 從互聯網上下載了相關圖像。顯然，您可以使用此API不僅可以擴充現有數據集，還可以從頭開始創建自己的數據集。

確保從圖像中挑選出異常值(損壞的文件或偶然出現的無關圖像)。

圖像標准化

為了使圖像具有相同的大小和像素變化，可以使用pytorch的transfors模塊：

轉移學習

從頭開始訓練的模型可能不是最明智的選擇，因為有許多網路可用於各種數據集。簡單地說，像edge-和其他簡單形狀檢測器等低級特徵對於不同的模型是相似的，即使clasificators是針對不同目的進行訓練的。在本項目中，我使用了一個預訓練網路Resnet152，只有最後一個完全連接的層重新用於新任務，即使這樣也會產生相當好的效果。

在這里，我將除最後一層之外的所有層都設置為具有固定權重（requires_grad = False），因此只有最後層中的參數將通過梯度下降進行更新。

訓練模型

下面介紹一下進行訓練的函數：

如何獲得GPU？

當然，對CPU的訓練太慢了。根據我自己的經驗，在GPU僅需要一個小時就可以完成12次訓練周期，但是在CPU上相同數量的訓練周期可能需要花費大約15個小時。

如果您沒有本地可用的GPU，則可以考慮使用雲GPU。為了加速CNN的訓練，我使用了floydhub（www.floydhub.com）上提供的雲GPU 。

這項服務非常指的使用：總有很好的文檔和大量的提示，所以你會很清楚的知道下一步需要如何去做。在floydhub上對於使用GPU的收費也是可以接受的。

首先，需要將數據集上傳到伺服器

然後，需要創建項目。需要在計算機上安裝floydhub客戶端，將數據集上載到其網站並在終端中運行以下命令：

其中'username'是您的登錄名，'i'是數據集所在的文件夾。

這樣子在訓練網路時就會很輕鬆了

結果和改進想法

得到的模型在數據集上訓練了1.5小時，並在驗證數據集上達到了95％的准確度。

B. 有什麼神經網路結構圖的畫圖工具值得推薦嗎

推薦一下LaTex自帶的tikz。
較為顯著的優勢：
(1)定義簡潔，上手容易;
(2)天生的公式支持;
(3)修改和編譯方便，免去了反復生成、插入的步驟。
tensorflow，你把graph搭建好之後，
把graph傳到tenaorboard裡面，就會有非常非常非常詳細的圖，當然前提是你代碼不能太爛…
其實 ppt 也是個很好的工具(雖然不能算是畫圖工具)，配合 Acrobat 還能夠直接輸出矢量圖。
有人提到了 Inkscape 用的這個軟體畫的插圖。
這個軟體是開源免費的，入門挺簡單，官網就有基本教程，軟體體積很小功能卻挺全，有蠻多人在用的。功能類似的收費軟體是 Coreldraw 和 AI。
唯一的建議就是，如果想畫一些可以擁有豐富多彩的風格的網路結構圖，不妨考慮一些矢量圖編輯軟體。
一般都是用Matlab、R之類的自己寫程序畫。

C. 神經軟體怎麼用

第一步：數據導入第二步：使用神經網路工具箱構建模型
神經網路軟體用於模擬、研究、開發和應用人工神經網路，從生物神經網路改編的軟體概念，在某些情況下還可以用於更廣泛的自適應系統，例如人工智慧和機器學習
常用的人工神經網路模擬器包括斯圖加特神經網路模擬器（SNNS）、緊急和神經實驗室。

D. 搭建神經網路用什麼軟體

用Matlab就可以了， 裡面有神經網路的工具箱很方便的。

E. 神經網路研究與應用這塊用python好還是matlab

這兩者主要還是需要自己用著順手。

用matlab的集成開發環境很好,跟蹤代碼是非常方便也會檢查你的錯誤代碼，你不需要像碼農一樣產品做單元測試代碼,基本代碼運行幾次這完全沒有什麼問題。如果你只是想學習演算法，那麼matlab更好，語法簡單。如果你已經熟悉了神經網路，需要進行研究想投入應用，數據非常大，還要大量自行設計的模型時，就會容易理解python是多麼方便。python語言本身的靈活性為自主設計的模型提供了極大的便利，你想為你的問題編一個演算法，也不會花太多的時間，matlab可以做到這一點，但這是非常困難的。在大項目、多人協作等方面比matlab更有優勢。

兩者各有各的優勢，孰強孰弱不好判斷，煩這個產品這個東西，自己用著舒心用著順手就好啦，只要用的是正版的其他不用考慮太多。

F. 復雜神經網路模型用什麼軟體

bp神經網路能用MATLAB，
理論上編程語言都可以，比如VB，C語言，過程也都是建模、量化、運算及結果輸出（圖、表），但是matlab發展到現在，集成了很多的工具箱，所以用的最為廣泛，用其他的就得是要從源碼開發入手了。
bp神經網路是一種演算法，只要是演算法就可以用任何軟體工具，只要編譯器或者解釋器支持，c，c++，python，來進行實現，只是實現時的復雜程度有區別而已

G. BP神經網路用什麼軟體可以實現

MATLAB！ 編個程序就能實現的，而且MATLAB 有自帶的神經網路工具箱。

H. 怎麼用spss神經網路來分類數據

用spss神經網路分類數據方法如下：

神經網路演算法能夠通過大量的歷史數據，逐步建立和完善輸入變數到輸出結果之間的發展路徑，也就是神經網路，在這個神經網路中，每條神經的建立以及神經的粗細（權重）都是經過大量歷史數據訓練得到的，數據越多，神經網路就越接近真實。神經網路建立後，就能夠通過不同的輸入變數值，預測輸出結果。例如，銀行能夠通過歷史申請貸款的客戶資料，建立一個神經網路模型，用於預測以後申請貸款客戶的違約情況，做出是否貸款給該客戶的決策。本篇文章將用一個具體銀行案例數據，介紹如何使用SPSS建立神經網路模型，用於判斷將來申請貸款者的還款能力。

選取歷史數據建立模型，一般會將歷史數據分成兩大部分：訓練集和驗證集，很多分析者會直接按照數據順序將前70%的數據作為訓練集，後30%的數據作為驗證集。如果數據之間可以證明是相互獨立的，這樣的做法沒有問題，但是在數據收集的過程中，收集的數據往往不會是完全獨立的（變數之間的相關關系可能沒有被分析者發現）。因此，通常的做法是用隨機數發生器來將歷史數據隨機分成兩部分，這樣就能夠盡量避免相同屬性的數據被歸類到一個數據集當中，使得建立的模型效果能夠更加優秀。

在具體介紹如何使用SPSS軟體建立神經網路模型的案例之前，先介紹SPSS的另外一個功能：隨機數發生器。SPSS的隨機數發生器常數的隨機數據不是真正的隨機數，而是偽隨機數。偽隨機數是由演算法計算得出的，因此是可以預測的。當隨機種子（演算法參數）相同時，對於同一個隨機函數，得出的隨機數集合是完全相同的。與偽隨機數對應的是真隨機數，它是真正的隨機數，無法預測也沒有周期性。目前大部分晶元廠商都集成了硬體隨機數發生器，例如有一種熱雜訊隨機數發生器，它的原理是利用由導體中電子的熱震動引起的熱雜訊信號，作為隨機數種子。

I. visio畫神經網路圖

打開visio軟體，選擇「網路」，選擇一個一個要畫的網路圖類型，在這里選擇「基本網路圖」
使用visio如何畫簡單的網路連接圖

大概了解一下軟體的功能
使用visio如何畫簡單的網路連接圖

按照提示，先畫一個路由器和一個交換機
使用visio如何畫簡單的網路連接圖

再添加一台PC機
使用visio如何畫簡單的網路連接圖

點擊「連線工具」
使用visio如何畫簡單的網路連接圖

把滑鼠停留在帶「x」的點上後，顏色會自動變紅，提示當前的連接點！把三個設備全部連接完成後，一個簡單的小網路圖就完成了！
使用visio如何畫簡單的網路連接圖

J. 如何建立神經網路模型

人工神經網路有很多種，我只會最常用的BP神經網路。不同的網路有不同的結構和不同的學習演算法。
簡單點說，人工神經網路就是一個函數。只是這個函數有別於一般的函數。它比普通的函數多了一個學習的過程。
在學習的過程中，它根據正確結果不停地校正自己的網路結構，最後達到一個滿意的精度。這時，它才開始真正的工作階段。
學習人工神經網路最好先安裝MathWords公司出的MatLab軟體。利用該軟體，你可以在一周之內就學會建立你自己的人工神經網路解題模型。
如果你想自己編程實現人工神經網路，那就需要找一本有關的書籍，專門看神經網路學習演算法的那部分內容。因為「學習演算法」是人工神經網路的核心。最常用的BP人工神經網路，使用的就是BP學習演算法。