这是名为 ConvNetJS 的 Windows 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. 从本网站启动任何 OS OnWorks 在线模拟器，但更好的 Windows 在线模拟器。
- 5. 从您刚刚启动的 OnWorks Windows 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. 下载应用程序并安装。
- 7. 从您的 Linux 发行版软件存储库下载 Wine。 安装后，您可以双击该应用程序以使用 Wine 运行它们。 您还可以尝试 PlayOnLinux，这是 Wine 上的一个花哨界面，可帮助您安装流行的 Windows 程序和游戏。
Wine 是一种在 Linux 上运行 Windows 软件的方法，但不需要 Windows。 Wine 是一个开源的 Windows 兼容层，可以直接在任何 Linux 桌面上运行 Windows 程序。 本质上，Wine 试图从头开始重新实现足够多的 Windows，以便它可以运行所有这些 Windows 应用程序，而实际上不需要 Windows。
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。
