搭建神经网络软件

A. 使用python在GPU上构建和训练卷积神经网络

我将对代码进行补充演练，以构建在数据集上训练的任何类型的图像分类器。在这个例子中，我将使用花卉数据集，其中包括102种不同类型的花。需要数据集和代码都可以私信我。

Pytorch是机器学习和Python上的免费软件包，非常易于使用。语法模拟numpy，因此，如果你在python中有一些科学计算经验，那么会相当有用的。只需几行代码，就可以下载预先训练的数据集，使用定义的变换对图像进行标准化，然后运行训练。

创建和扩充数据集

为了增加数据集，我使用' google_images_download'API 从互联网上下载了相关图像。显然，您可以使用此API不仅可以扩充现有数据集，还可以从头开始创建自己的数据集。

确保从图像中挑选出异常值(损坏的文件或偶然出现的无关图像)。

图像标准化

为了使图像具有相同的大小和像素变化，可以使用pytorch的transfors模块：

转移学习

从头开始训练的模型可能不是最明智的选择，因为有许多网络可用于各种数据集。简单地说，像edge-和其他简单形状检测器等低级特征对于不同的模型是相似的，即使clasificators是针对不同目的进行训练的。在本项目中，我使用了一个预训练网络Resnet152，只有最后一个完全连接的层重新用于新任务，即使这样也会产生相当好的效果。

在这里，我将除最后一层之外的所有层都设置为具有固定权重（requires_grad = False），因此只有最后层中的参数将通过梯度下降进行更新。

训练模型

下面介绍一下进行训练的函数：

如何获得GPU？

当然，对CPU的训练太慢了。根据我自己的经验，在GPU仅需要一个小时就可以完成12次训练周期，但是在CPU上相同数量的训练周期可能需要花费大约15个小时。

如果您没有本地可用的GPU，则可以考虑使用云GPU。为了加速CNN的训练，我使用了floydhub（www.floydhub.com）上提供的云GPU 。

这项服务非常指的使用：总有很好的文档和大量的提示，所以你会很清楚的知道下一步需要如何去做。在floydhub上对于使用GPU的收费也是可以接受的。

首先，需要将数据集上传到服务器

然后，需要创建项目。需要在计算机上安装floydhub客户端，将数据集上载到其网站并在终端中运行以下命令：

其中'username'是您的登录名，'i'是数据集所在的文件夹。

这样子在训练网络时就会很轻松了

结果和改进想法

得到的模型在数据集上训练了1.5小时，并在验证数据集上达到了95％的准确度。

B. 有什么神经网络结构图的画图工具值得推荐吗

推荐一下LaTex自带的tikz。
较为显着的优势：
(1)定义简洁，上手容易;
(2)天生的公式支持;
(3)修改和编译方便，免去了反复生成、插入的步骤。
tensorflow，你把graph搭建好之后，
把graph传到tenaorboard里面，就会有非常非常非常详细的图，当然前提是你代码不能太烂…
其实 ppt 也是个很好的工具(虽然不能算是画图工具)，配合 Acrobat 还能够直接输出矢量图。
有人提到了 Inkscape 用的这个软件画的插图。
这个软件是开源免费的，入门挺简单，官网就有基本教程，软件体积很小功能却挺全，有蛮多人在用的。功能类似的收费软件是 Coreldraw 和 AI。
唯一的建议就是，如果想画一些可以拥有丰富多彩的风格的网络结构图，不妨考虑一些矢量图编辑软件。
一般都是用Matlab、R之类的自己写程序画。

C. 神经软件怎么用

第一步：数据导入第二步：使用神经网络工具箱构建模型
神经网络软件用于仿真、研究、开发和应用人工神经网络，从生物神经网络改编的软件概念，在某些情况下还可以用于更广泛的自适应系统，例如人工智能和机器学习
常用的人工神经网络模拟器包括斯图加特神经网络模拟器（SNNS）、紧急和神经实验室。

D. 搭建神经网络用什么软件

用Matlab就可以了， 里面有神经网络的工具箱很方便的。

E. 神经网络研究与应用这块用python好还是matlab

这两者主要还是需要自己用着顺手。

用matlab的集成开发环境很好,跟踪代码是非常方便也会检查你的错误代码，你不需要像码农一样产品做单元测试代码,基本代码运行几次这完全没有什么问题。如果你只是想学习算法，那么matlab更好，语法简单。如果你已经熟悉了神经网络，需要进行研究想投入应用，数据非常大，还要大量自行设计的模型时，就会容易理解python是多么方便。python语言本身的灵活性为自主设计的模型提供了极大的便利，你想为你的问题编一个算法，也不会花太多的时间，matlab可以做到这一点，但这是非常困难的。在大项目、多人协作等方面比matlab更有优势。

两者各有各的优势，孰强孰弱不好判断，烦这个产品这个东西，自己用着舒心用着顺手就好啦，只要用的是正版的其他不用考虑太多。

F. 复杂神经网络模型用什么软件

bp神经网络能用MATLAB，
理论上编程语言都可以，比如VB，C语言，过程也都是建模、量化、运算及结果输出（图、表），但是matlab发展到现在，集成了很多的工具箱，所以用的最为广泛，用其他的就得是要从源码开发入手了。
bp神经网络是一种算法，只要是算法就可以用任何软件工具，只要编译器或者解释器支持，c，c++，python，来进行实现，只是实现时的复杂程度有区别而已

G. BP神经网络用什么软件可以实现

MATLAB！ 编个程序就能实现的，而且MATLAB 有自带的神经网络工具箱。

H. 怎么用spss神经网络来分类数据

用spss神经网络分类数据方法如下：

神经网络算法能够通过大量的历史数据，逐步建立和完善输入变量到输出结果之间的发展路径，也就是神经网络，在这个神经网络中，每条神经的建立以及神经的粗细（权重）都是经过大量历史数据训练得到的，数据越多，神经网络就越接近真实。神经网络建立后，就能够通过不同的输入变量值，预测输出结果。例如，银行能够通过历史申请贷款的客户资料，建立一个神经网络模型，用于预测以后申请贷款客户的违约情况，做出是否贷款给该客户的决策。本篇文章将用一个具体银行案例数据，介绍如何使用SPSS建立神经网络模型，用于判断将来申请贷款者的还款能力。

选取历史数据建立模型，一般会将历史数据分成两大部分：训练集和验证集，很多分析者会直接按照数据顺序将前70%的数据作为训练集，后30%的数据作为验证集。如果数据之间可以证明是相互独立的，这样的做法没有问题，但是在数据收集的过程中，收集的数据往往不会是完全独立的（变量之间的相关关系可能没有被分析者发现）。因此，通常的做法是用随机数发生器来将历史数据随机分成两部分，这样就能够尽量避免相同属性的数据被归类到一个数据集当中，使得建立的模型效果能够更加优秀。

在具体介绍如何使用SPSS软件建立神经网络模型的案例之前，先介绍SPSS的另外一个功能：随机数发生器。SPSS的随机数发生器常数的随机数据不是真正的随机数，而是伪随机数。伪随机数是由算法计算得出的，因此是可以预测的。当随机种子（算法参数）相同时，对于同一个随机函数，得出的随机数集合是完全相同的。与伪随机数对应的是真随机数，它是真正的随机数，无法预测也没有周期性。目前大部分芯片厂商都集成了硬件随机数发生器，例如有一种热噪声随机数发生器，它的原理是利用由导体中电子的热震动引起的热噪声信号，作为随机数种子。

I. visio画神经网络图

打开visio软件，选择“网络”，选择一个一个要画的网络图类型，在这里选择“基本网络图”
使用visio如何画简单的网络连接图

大概了解一下软件的功能
使用visio如何画简单的网络连接图

按照提示，先画一个路由器和一个交换机
使用visio如何画简单的网络连接图

再添加一台PC机
使用visio如何画简单的网络连接图

点击“连线工具”
使用visio如何画简单的网络连接图

把鼠标停留在带“x”的点上后，颜色会自动变红，提示当前的连接点！把三个设备全部连接完成后，一个简单的小网络图就完成了！
使用visio如何画简单的网络连接图

J. 如何建立神经网络模型

人工神经网络有很多种，我只会最常用的BP神经网络。不同的网络有不同的结构和不同的学习算法。
简单点说，人工神经网络就是一个函数。只是这个函数有别于一般的函数。它比普通的函数多了一个学习的过程。
在学习的过程中，它根据正确结果不停地校正自己的网络结构，最后达到一个满意的精度。这时，它才开始真正的工作阶段。
学习人工神经网络最好先安装MathWords公司出的MatLab软件。利用该软件，你可以在一周之内就学会建立你自己的人工神经网络解题模型。
如果你想自己编程实现人工神经网络，那就需要找一本有关的书籍，专门看神经网络学习算法的那部分内容。因为“学习算法”是人工神经网络的核心。最常用的BP人工神经网络，使用的就是BP学习算法。