Julia深度学习中matlabconv2代码的实现

matlab conv2代码摩卡 | | | | Mocha 是一个深度学习框架，受 C++ 框架的启发。 Mocha 中通用随机梯度求解器和公共层的有效实现可用于训练深/浅（卷积）神经网络，通过（堆叠）自动编码器进行（可选）无监督预训练。 一些亮点： 模块化架构：Mocha 具有干净的架构，其中包含隔离组件，如网络层、激活函数、求解器、正则化器、初始化器等。内置组件足以满足典型的深度（卷积）神经网络应用程序，并且每个版本中都会添加更多组件。 所有这些都可以通过添加自定义子类型轻松扩展。 高级接口：Mocha 是用 ，一种专为科学计算设计的高级动态编程语言编写的。 结合 Julia 的表达能力及其包生态系统，在 Mocha 中使用深度神经网络既简单又直观。 例如，参见我们的 IJulia Notebook 示例。 便携性和速度：Mocha 带有多个可以透明切换的后端。 纯 Julia 后端是可移植的——它可以在任何支持 Julia 的平台上运行。 由于 Julia 的基于 LLVM 的即时 (JIT) 编译器和 ，这在小型模型上相当快，并且对于原型设计非常有用。 当 C++ 编译器可用