现有深度残差网络作为一种卷积神经网络的变种，由于其良好的表现，被应用于各个领域，深度残差网络虽然通过增加神经网络深度获得了较高的准确率，但是在相同深度情况下，仍然有其他方式提升其准确率.本文针对深度残差网络使用了三种优化方法：（1）通过卷积网络进行映射实现维度填充；（2）构建基于SELU激活函数的残差模块（3）学习率随迭代次数进行衰减.在数据集Fashion-MNIST上测试改进后的网络，实验结果表明：所提出的网络模型在准确率上优于传统的深度残差网络.

计算机网络入门， 学习的操作软件， 学习起来超级简单。 希望能帮助你们快速了解和掌握计算机网络、

tntorch-使用PyTorch进行Tensor网络学习 ，这是一个由PyTorch支持的使用张量网络的建模和学习库。 这样的网络的独特之处在于（而不是非线性激活单元）。 功能包括： 张量的基本和奇特索引，广播，分配等 张量分解与重建 按元素和张量-张量算术 使用交叉逼近从黑盒函数构建张量 从张量中找到全局最大值和最小值 统计和敏感性分析 使用自动分化进行优化 杂项张量的运算：堆叠，展开，采样，求导等。 批处理操作（正在进行中） 可用的包括： 混合动力车：CP-Tucker，TT-Tucker等 其他分解，例如和自定义格式 例如，以下网络都以TT和TT-Tucker格式表示4D张量（即，可以采用I1 x I2 x I3 x I4可能值的实函数）： 在tntorch中，所有张量分解共享相同的接口。 您可以以透明的形式处理它们，就像它们是普通的NumPy数组或PyTorch张量

针对刚开始学习神经网络的同学的一个很好的总结，可以让大家以最快的速度学习各种神经网络 进行模式识别 函数逼近

2021英语教学网络学习心得篇.docx

在学习卷积神经网络时做的笔记，希望可以给大家提供帮助。相互指正！

大数据时代教师网络学习共同体构建模式探究.zip

网络编程课件 很全面很详细的网络学习资源

神经网络学习小记录48——windows下的torch=1.2.0环境配置学习前言环境内容Anaconda安装下载Cudnn和CUDA配置torch环境安装VSCODE 学习前言 好多人问环境怎么配置，还是出个教程吧。 环境内容 torch：1.2.0 torchvision：0.4.0 Anaconda安装 最新版本的Anaconda没有VSCODE，如果大家为了安装VSCODE方便可以直接安装旧版的Anaconda，百度网盘连接如下。也可以装新版然后分开装VSCODE。 链接: https://pan.baidu.com/s/12tW0Oad_Tqn7jNs8RNkvFA 提取码: i8

基于数据挖掘的网络学习系统研究，刘琼，龙毅宏，随着计算机网络的发展，越来越多的人通过远程教育来提高学习效率，但现有的网络学习系统不能对学生练习结果进行科学、客观的分析