这是名为 ConvNetJS 的 Linux 应用程序，其最新版本可以下载为 convnetjs_release.zip。 它可以在工作站的免费托管服务提供商 OnWorks 中在线运行。
免费下载并在线运行这个名为 ConvNetJS 和 OnWorks 的应用程序。
请按照以下说明运行此应用程序：
- 1. 在您的 PC 中下载此应用程序。
- 2. 在我们的文件管理器 https://www.onworks.net/myfiles.php?username=XXXXX 中输入您想要的用户名。
- 3. 在这样的文件管理器中上传这个应用程序。
- 4. 从此网站启动OnWorks Linux online 或Windows online emulator 或MACOS online emulator。
- 5. 从您刚刚启动的 OnWorks Linux 操作系统，使用您想要的用户名转到我们的文件管理器 https://www.onworks.net/myfiles.php?username=XXXXX。
- 6. 下载应用程序，安装并运行。
SCREENSHOTS
Ad
卷积网络
商品描述
ConvNetJS 是一个 Javascript 库，用于完全在浏览器中训练深度学习模型（神经网络）。 打开一个标签，你正在训练。 没有软件要求，没有编译器，没有安装，没有 GPU，没有汗水。 ConvNetJS 是神经网络的实现，以及基于浏览器的演示。 它目前支持常见的神经网络模块（全连接层、非线性）、分类（SVM/Softmax）和回归（L2）成本函数、指定和训练处理图像的卷积网络的能力，以及实验性强化学习模块，基于深度 Q 学习。 该库允许您在 Javascript 中制定和解决神经网络。 如果您想向库中添加功能，则必须更改 src/ 中的代码，然后将库编译到 build/ 目录中。 编译脚本只是连接 src/ 中的文件，然后缩小结果。
特征
- 您可以定义一个 2 层神经网络并在单个数据点上对其进行训练
- 您可以在 Javascript 中制定和解决神经网络
- 如果您想对图像进行预测，您可以训练卷积神经网络
- 有两种方法可以使用该库，在浏览器内部，或者在使用 node.js 的服务器上。
- 在浏览器中的 MNIST 数字数据集上训练卷积神经网络
- 数据集相当简单，预计准确率在 99% 左右
程式语言
JavaScript的
分类目录
这是一个也可以从 https://sourceforge.net/projects/convnetjs.mirror/ 获取的应用程序。 它已托管在 OnWorks 中，以便通过我们的免费操作系统之一以最简单的方式在线运行。
