dnn标签_魔乐社区

dnn

深度神经网络（DNN）的反向传播算法总结与图解

文章目录前言第一个问题第二个问题第三个问题总结前言其实，深度神经网络的反向传播我们只需知道这个算法的理念，即这个算法的目标方程是谁，对目标方程做什么运算，为什么这样做或者这样做的好处是什么？解决了以上三个问题，你也就相当于掌握了反向传播的精髓。第一个问题目标方程是损失函数（loss function），根据问题本身会有差异；比如分类问题，我们常用交叉熵（cross entropy）作为损失函数，这

 Efred.D
2021-12-07 14:41:03

 2165

#算法 #dnn #深度学习
吴恩达深度神经网络调优笔记—梯度校验

你是一个致力于让全球移动支付可用的团队的一员，并被要求构建一个深度学习模型来检测欺诈——无论何时有人进行支付，你都希望看到支付是否可能是欺诈的，比如用户的账户是否已被黑客接管。但是实现反向传播是相当具有挑战性的，有时还会有bug。因为这是一个任务关键型应用程序，所以公司的CEO希望真正确定反向传播的实现是否正确。你的CEO说:“给我一个证明，证明你的反向传播确实有效!”为了保证这一点，你将使用“梯

 管二三
2022-10-04 19:52:32

 565

#dnn #numpy #机器学习
深度神经网络的训练过程,深度神经网络如何训练

这两个概念实际上是互相交叉的，例如，卷积神经网络（Convolutionalneuralnetworks，简称CNNs）就是一种深度的监督学习下的机器学习模型，而深度置信网（DeepBeliefNets，简称DBNs）就是一种无监督学习下的机器学习模型。深度学习中最著名的卷积神经网络CNN，在原来多层神经网络的基础上，加入了特征学习部分，这部分是模仿人脑对信号处理上的分级的。而深度学习中最著名的卷

 快乐的小荣荣
2022-09-07 12:38:40

 507

#dnn #深度学习 #神经网络
基于OpenCV中DNN模块的人脸识别

软硬件环境ubuntu 18.04 64bitGTX 1660opencv 4.1.2视频看这里简介前文基于haar特征的人脸检测方法已经实现了最简单的人脸检测方法，但是在检出率、准确率和速度上，都没有办法在实际场合中进行应用。本文就介绍另一种方法，它也是基于OpenCV的，在dnn模块中。opencv的源码编译，并使能CUDA加速，请参考我之前的文章，https://xuga...

迷途小书童的Note
2019-12-24 16:26:22

 2056

#opencv #dnn #人脸识别
深度神经网络——转换 TensorFlow 分类模型并用 OpenCV Python 发布 OpenCV v4.8.0

首先减去平均值，然后将像素值乘以定义的比例。TF 和 OpenCV 模型的评估结果（准确率、推理时间、L1）将写入日志文件。推理时间值也将以图表形式显示，以概括所获得的模型信息。的第一步是获取冻结的 TF 模型图。为了提供模型推理，我们将使用下面与 ImageNet 类 ID 335 相对应的。如果您只想运行评估或测试模型管道，可以跳过 "模型转换管道 "教程部分。从实验中可以看出，OpenCV

HIRSHDZ327
2023-11-05 15:33:18

 345

#python #dnn #tensorflow
深度神经网络

深度神经网络也是这样的一张大网，里面有很多很多层的“小机器”（我们可以叫它们神经元），每一层的小机器都和上下相邻层的其他小机器相连。每个小机器都会接收到一些信息，然后做点简单的计算，再把这些处理过的信息传给下一层的小机器。就这样，一层一层地传递下去，信息被不断地加工和变化。当我们教这个网络去做某件事，比如识别图片中的猫，我们会给它看很多很多有猫的图片，同时告诉它“这是猫”。它就像是一个超级强大的助

 qq_33449977
2024-05-27 12:33:52

 383

 1

#dnn
【深度学习的未来：探索无监督学习的潜力】

随着深度学习技术的不断进步，我们正逐渐从依赖大量标注数据的有监督学习转向更加高效和自主的无监督学习。无监督学习旨在让机器从数据中自行发现模式和结构，而无需人为提供标签。这一转变不仅能够减少数据收集和标注的成本，还能使机器学习模型更加适应未见过的数据和环境。本篇博客将探讨无监督学习的基本概念，并通过一个简单的聚类算法示例来展示其在深度学习中的应用。

是阿牛啊
2024-06-02 08:02:13

 392

 10

#dnn #神经网络 #人工智能 +4
开源C# Winform CAN上位机源码分享

还能自定义目标转速波形，进行相关可靠性试验。这就需要一些算法来生成自定义波形的数据，然后再发送出去。i < 100;i += 0.1)// 发送自定义波形数据作为目标转速分析：通过一个循环生成了正弦波形的X轴和Y轴数据，这里的Y轴数据就作为自定义的目标转速。然后把这些数据发送出去，就能进行可靠性试验啦。可以根据实际需求修改算法，生成各种不同的目标转速波形，来满足不同的试验要求🤓。

聊天QQ:487739278
2026-01-27 20:48:53

 504

 5

#dnn
毕业设计-基于预训练语言模型与深度神经网络的Web入侵检测系统

基于预训练语言模型与深度神经网络的Web入侵检测系统，通过预训练模型CodeBert分词，将分词输入给BiGRU的深度学习模型训练。通过sniff函数实时捕获http流量信息，将流量信息输入给模型进行检测，模型可以检测的类别有SQL注入、XSS、序列化攻击、命令执行攻击、目录遍历攻击五种攻击。原创内容需要付出大量时间和精力，知识付费是对创作者最好的支持。框架实现，灵活运用其模板语法进行页面实现，

xiaoniu667
2025-04-27 00:39:17

 444

 2

#语言模型 #dnn #人工智能
带你了解什么是--深度神经网络

深度神经网络（DNN）目前是许多现代AI应用的基础。自从DNN在语音识别和图像识别任务中展现出突破性的成果，使用DNN的应用数量呈爆炸式增加。这些DNN方法被大量应用在无人驾驶汽车，癌症检测，游戏AI等方面。在许多领域中，DNN目前的准确性已经超过人类。与早期的专家手动提取特征或制定规则不同，DNN的优越性能来自于在大量数据上使用统计学习方法，从原始数据中提取高级特征的能力，从而对输入空间进行有效

 爱摄影的程序猿
2024-06-09 09:59:33

 1410

 28

#dnn #神经网络 #人工智能 +2
[独家原创]基于深度神经网络-多头注意力机制(DNN-Multihead-Attention)多输出回归预测

独家原创]基于深度神经网络-多头注意力机制()多输出回归预测 Matlab 多输入多输出每个输出都有以下线性拟合图等四张图！！！具体看图，独家图像！！！！！！数据格式为excel！(如下)1️⃣、运行环境要求MATLAB版本为2021b及其以上2️⃣、评价指标包括:R2、MAE、MBE、MAPE、RMSE等，图很多，符合您的需要3️⃣、代码中文注释清晰，质量极高4️⃣、赠送测试数据集，可以直接运行

 small_ccb
2024-12-14 01:35:27

 273

 4

#dnn
【DNN预测】基于深度神经网络（DNN）模型实现数据驱动建模预测附Matlab代码

在工程计算、环境监测、工业生产等领域，“预测” 是实现系统优化与风险管控的关键环节 —— 例如，预测流体在直管中的压力降以优化管道设计，预测设备运行参数以提前故障预警，预测环境污染物浓度以制定管控策略。传统预测方法（如经验公式、机理建模）依赖明确的物理规律或统计假设，在面对 “高维变量”“非线性耦合”“数据稀疏” 的复杂系统时，往往存在 “建模难度大”“泛化能力弱”“预测精度低” 的局限。

matlab科研助手
2025-09-09 23:24:19

 902

 28

#dnn #matlab #机器学习
基于深度神经网络的课程教学评价系统

本文设计实现了一种基于深度神经网络的课程教学评价系统。系统采用B/S架构，整合教学全流程数据，通过CNN、RNN等深度学习模型实现多维度评价分析。功能包括数据采集、模型训练、评价报告生成及反馈优化，解决了传统评价方式效率低、主观性强的问题。测试表明，系统评价结果与人工评价一致性达90%以上，响应时间控制在500ms内。未来将拓展学科适配性、丰富评价维度，推动教育评价从"经验驱动&quot

qq_q992250277
2025-11-12 09:45:49

 740

 25

#dnn #人工智能 #神经网络
什么是深度神经网络？（含示例）

2、隐藏层：隐藏层会逐步处理这些像素点，通过复杂的计算和激活函数，提取图片中的特征。例如，第一个隐藏层可能识别边缘，第二个隐藏层可能识别线条和角度，第三个隐藏层可能识别具体的数字形状。神经元和层次：DNN由多个层次的神经元组成，包括输入层、多个隐藏层和输出层。3、输出层：输出层包含10个神经元，每个神经元代表一个数字（0-9）。通过这种结构，深度神经网络可以有效地学习和识别复杂的模式和特征，从而完

 金木讲编程
2024-07-30 23:37:58

 589

 7

#dnn #人工智能 #神经网络
Python 实现DNN（深度神经网络）进行时间序列预测

进行时间序列预测是一项重要的任务，以下是一个详细的示例，包括项目设计、数据生成、选择合适的超参数（如层数、每层的神经元数、学习率等）对于模型性能至关重要。数据预处理的重要性：数据归一化和时间步长的选择会影响模型的训练效果。为了模拟时间序列数据，生成一个简单的正弦波数据并添加一些噪声。增加数据集的复杂性，使用真实的时间序列数据进行训练和测试。进行时间序列预测，主要任务是根据历史数据预测未来的数值。模

 xiaoxingkongyuxi
2024-11-17 06:13:47

 1455

 17

#python #dnn #开发语言 +4
用python实现一个深度神经网络算法

可以使用 Python 库 TensorFlow 来实现深度神经网络。以下是一个简单的例子：import tensorflow as tf# 定义输入和输出x = tf.placeholder(tf.float32, shape=[None, 784])y = tf.placeholder(tf.float32, shape=[None, 10])# 定义权重和偏置W = tf....

芥子纳须弥1116
2023-01-06 16:19:01

 256

#python #dnn #算法 +2
【机器学习】深度神经网络（DNN）

本文全面介绍了深度神经网络(DNN)的核心概念与应用。DNN通过多层隐藏层实现分层特征学习，底层提取低级特征，上层组合为高级语义特征。文章详细解析了DNN的网络结构(输入层、隐藏层、输出层)、激活函数选择(ReLU、Sigmoid等)、训练原理(前向传播和反向传播)，并提供了完整的Python实现代码。针对训练中的梯度消失、过拟合等问题，提出了ReLU激活函数、批量归一化、Dropout等解决方案

 2401_84149564
2026-01-03 22:34:04

 2656

 49

#机器学习 #人工智能 #深度学习 +3
全连接神经网络（MLP / DNN）详解

全连接神经网络（Multi-Layer Perceptron, MLP）是一种典型的前馈神经网络，属于深度学习的基础结构。MLP指至少有一层隐藏层的感知机网络DNN（Deep Neural Network）是 MLP 的扩展版本，层数更多核心特点：神经元之间层与层全连接通过非线性激活函数提升表达能力使用反向传播（Backpropagation）训练✅ 优点：表达能力强，能拟合复杂非线性关系通用性强

 算法_小学生
2025-08-15 14:36:12

 1693

 23

#神经网络 #dnn #人工智能
深度神经网络隐藏层数,神经网络的隐藏层理解

各层神经元的活动是前一层活动的非线性函数。在传统的神经网络模型中，是从输入层到隐含层再到输出层，层与层之间是全连接的，每层之间的节点是无连接的。二隐层节点数在BP网络中，隐层节点数的选择非常重要，它不仅对建立的神经网络模型的性能影响很大，而且是训练时出现“过拟合”的直接原因，但是目前理论上还没有一种科学的和普遍的确定方法。具体的表现形式为网络会对前面的信息进行记忆并应用于当前输出的计算中，即隐藏层

 ai智能网络
2022-08-11 12:14:41

 8754

#神经网络 #dnn #深度学习
推荐算法之：FNN、PNN、ONN、NFM深度神经网络模型详解

模型核心比喻如何做特征交叉？特点与场景FNN两步走学徒先用FM预训练，再用DNN学习起点高，训练快。是早期思想的代表。PNN主动红娘在输入后立即加入“乘积层”显式捕捉二阶交叉，适合强交叉信号场景。ONN灵活红娘用多种“核函数”进行交叉PNN的升级版，交叉方式更灵活，能力更强。NFM精华汤厨师用“交互池化层”浓缩二阶交叉，再送DNN经典且高效，平衡了效果与复杂度，应用广泛。FNN (预热) -> P

zhishidi
2025-11-18 20:15:27

 987

 24

#推荐算法 #dnn #算法
Transformer之前馈神经网络（FFN全连接层）

本文深入解析了Transformer架构中的前馈神经网络（FFN）模块，揭示其核心作用与实现原理。FFN位于Transformer层后半部分，采用"升维-激活-降维"的三步结构（线性变换→GELU激活→线性变换），负责深层语义理解。在Transformer中，FFN与注意力机制协同工作：注意力层捕捉词间关系，FFN则进行深度语义加工。关键优势体现在三个方面：实现非线性语义挖掘、

chen_song
2026-01-06 00:49:08

 1410

 7

#transformer #神经网络 #深度学习 +3
超详细深度学习笔记：从ANN到CNN+DNN的图像分类实践，全讲明白啦！

本文系统介绍了深度学习中的三种核心网络结构：人工神经网络(ANN)、深度神经网络(DNN)和卷积神经网络(CNN)。首先阐述了ANN的基本原理，包括神经元模型、激活函数和反向传播算法；然后分析了DNN的深层特征提取能力及其训练挑战；重点讲解了CNN的卷积操作、池化层等核心组件及其在图像处理中的优势。通过对比三种网络的特性，提出了CNN+DNN的混合架构方案，结合CNN的局部特征提取和DNN的非线性

 qq_68716132
2026-01-15 00:43:54

 1496

 25

#深度学习 #cnn #dnn
《基于电阻抗断层成像的实时软触觉传感器中的深度神经网络方法》IROS2019论文解读

摘要：本研究提出一种基于深度神经网络（DNN）的电阻抗断层成像（EIT）触觉传感器方案，解决传统EIT技术在精度与速度上的矛盾。通过有限元仿真生成训练数据，设计轻量型DNN网络实现快速高精度的导电率分布重建。实验表明，该方法计算时间仅0.002秒，精度接近传统非线性模型，抗噪声能力显著提升。采用导电织物制作的传感器原型具有低成本、易量产特点，可实现50Hz实时触觉感知，为机器人全身触觉提供可行解决

 Vizio__
2025-10-06 20:30:50

 1289

 25

#dnn #人工智能 #嵌入式硬件 +2
DNN（深度神经网络）

DNN（深度神经网络）是一种多层结构的人工神经网络，通过输入层、隐藏层和输出层实现复杂数据处理。其核心原理包括前向传播的信息传递和反向传播的参数优化，利用激活函数、损失函数、优化器等组件提升性能。DNN具有强大的非线性拟合能力，可自动提取特征，广泛应用于图像分类、文本分析等领域，但也面临数据需求大、计算成本高等挑战。典型应用包括ResNet、机器翻译等。

Y｜
2025-08-18 17:14:55

 1536

 5

#dnn #人工智能 #神经网络
【基于卷积长短期记忆神经网络（ConvLSTM）的轴承剩余使用寿命预测方法（附代码）】

本文介绍了一种基于ConvLSTM的轴承剩余寿命预测方法。详细介绍了ConvLSTM的工作原理以及代码实现。最后通过PHM2012轴承数据集进行实验验证，并提供主要代码。

Endless_will
2025-05-04 21:40:00

 1928

 25

#神经网络 #人工智能 #深度学习 +4
常见深度神经网络介绍

AlexNet是一种具有里程碑意义的深度卷积神经网络（CNN），由 Alex Krizhevsky 等人在 2012 年提出AlexNet 的成功引发了深度学习在计算机视觉领域的热潮，为后续模型（如 VGG、ResNet）的设计提供了基础范式核心思想深度网络结构AlexNet 是首个成功应用深层卷积神经网络的模型，包含 8 层结构（5 个卷积层 + 3 个全连接层），通过堆叠多层卷积和池化操作，提

 huajiaoejctu
2025-05-05 22:08:55

 823

 14

#dnn #人工智能 #神经网络 +1
Python----深度学习（基于DNN的PM2.5预测）

Data 含有 18 项观测数据 AMB_TEMP(环境温度), CH4(甲烷), CO(一氧化碳), NMHC(非甲烷总烃), NO(一氧化氮), NO2(二氧化氮), NOx(氮氧化物), O3(臭氧), PM10, PM2.5, RAINFALL(降雨量), RH(相对湿度), SO2(二氧化硫), THC(总碳氢化合物), WD_HR(小时平均风向), WIND_DIREC(风向), WI

蹦蹦跳跳真可爱589
2025-04-26 14:58:51

 846

 10

#深度学习 #python #dnn +3
【计算机毕业设计案例】基于深度神经网络的肺炎检测系统实现

主要内容：免费开题报告、任务书、全bao定制+中期检查PPT、代码编写、🚢文编写和辅导、🚢文降重、长期答辩答疑辅导、一对一专业代码讲解辅导答辩、模拟答辩演练、和理解代码逻辑思路。

程序猿刘
2026-01-02 21:54:51

 993

 9

#dnn #人工智能 #深度学习 +1
深度神经网络中的梯度消失问题：诊断与解决策略

梯度消失问题是指在神经网络的反向传播过程中，由于连续乘积操作，梯度的数值变得非常小，导致权重更新几乎停滞。这通常发生在使用 Sigmoid 或 Tanh 激活函数的深层网络中。

杨哥带你写代码
2024-06-25 16:56:20

 1526

 19

#dnn #人工智能 #神经网络
基于脑电图（EEG）的认知负荷检测实验范式与深度神经网络的系统综述论文笔记

本文系统综述了基于深度神经网络(DNN)的脑电图(EEG)认知工作负荷(CWL)检测研究。研究聚焦两大方面：(1)识别常用认知负荷诱发实验范式，发现心算任务、N-back任务、飞行模拟等是主要范式；(2)分析DNN在CWL检测中的应用，发现CNN(27%)和RNN(17%)为最常用架构，多数研究直接使用原始EEG信号输入而绕过特征提取步骤。结果显示当前研究存在三大局限：模型多限于特定被试(43%)

No.Ada
2025-10-27 00:27:36

 1514

 16

#dnn #论文阅读 #人工智能
基于opencv+caffe+dlib的人脸识别系统实现

资源：主要基于博客：https://blog.csdn.net/mr_curry/article/details/52443126 在操作之前先编译dlib，比较简单caffecaffe安装比较麻烦，官方版本没有第三方库编译会出很多问题，后来找到一个个人改造后的带第三方库的版本，很快弄好：caffe官方版：https://github.com/BVLC/caffe/tr...

pacificyang
2019-02-26 16:30:51

 1211

#caffe #opencv #dnn
【深度学习】实验三深度神经网络DNN

通过逐步加深网络深度、引入残差连接结构，见证了模型从"勉强识别"到"精确分类"的蜕变过程——当网络层数增加到六层并配合批量归一化技术时，模型仿佛被注入了新的生命力，特征提取能力显著增强，验证集准确率首次突破97%大关，更让我领悟到：在深度学习领域，没有所谓的"银弹"，唯有对每个环节的极致打磨，才能让数学模型真正绽放智慧的光芒。2.对数据进行预处理，使用torchvision库中的trabsform

m0_73996189
2025-05-12 15:50:42

 1464

 23

#深度学习 #dnn #人工智能
基于判别码的深度神经网络快速自适应语音识别 MATLAB实现

基于判别码的深度神经网络快速自适应语音识别 MATLAB实现

 aini_lovee
2026-01-12 10:49:38

 669

 22

#dnn #语音识别 #matlab
深度神经网络的主要模型有哪几种类型

关于深度神经网络模型的相关学习，推荐CDA数据师的相关课程，课程以项目调动学员数据挖掘实用能力的场景式教学为主，在讲师设计的业务场景下由讲师不断提出业务问题，再由学员循序渐进思考并操作解决问题的过程中，帮助学员掌握真正过硬的解决业务问题的数据挖掘能力。GPU最初是为了给游戏玩家带来高质量的视觉体验，由于其处理矩阵运算的能力特别优秀，也被用于深度学习中模型的训练，以往数十天才能训练好的模型在GPU上

 小六oO
2022-09-01 15:50:54

 9774

 2

#dnn #深度学习 #神经网络 +1
DNN深度神经网络回归+SHAP分析，Matlab代码实现，通过SHAP方法量化特征贡献，构建可解释的回归模型

在机器学习领域，深度神经网络（DNN）凭借强大的非线性拟合能力，在回归任务中表现出色，但 “黑箱” 特性使其决策过程难以解释，限制了在医疗、金融等对可解释性要求较高领域的应用。SHAP（SHapley Additive exPlanations）方法基于博弈论中的 Shapley 值，能量化每个特征对模型预测结果的贡献，为 DNN 回归模型提供可靠的解释性。本文将详细介绍如何在 Matlab 中实

 matlab科研助手
2025-07-09 15:25:32

 835

 17

#dnn #回归 #matlab
残差革命：从ResNet到DenseNet——深度神经网络的信息高速公路

1.1 核心思想。

星光银河
2025-05-31 22:42:00

 968

 21

#dnn #人工智能 #神经网络 +2
Nat. Mach. Intell. | 通过深度神经网络联合建模多个切片来构建一个三维全生物体空间图谱

今天为大家介绍的是来自Angela Ruohao Wu 和Can Yang团队的一篇论文。空间转录组学（ST）技术正在革新探索组织空间结构的方式。目前，ST数据分析通常局限于单个二维（2D）组织切片，这限制了我们理解在三维（3D）空间中发生的生物过程的能力。在这里，作者介绍了STitch3D，这是一个统一的框架，它整合多个ST切片以重建3D细胞结构。通过联合建模多个切片并将其与单细胞RNA测序数据

 DrugAI
2023-12-14 11:06:24

 1542

 24

#dnn #人工智能 #神经网络 +2
深度神经网络+聚类的概述

【导读】本篇介绍了深度神经网络表示学习+聚类的方法（深度聚类）综述，有帮助的话，文末点个赞吧~聚类分析在机器学习和数据挖掘中非常重要。深度聚类利用深度神经网络学习适用于聚类的表示，已广泛应用于各种聚类任务。然而，现有研究主要集中在单视图领域和网络架构上，忽略了聚类的复杂应用场景。为解决这一问题，本文从数据源的角度对深度聚类进行了全面的调查。针对不同的数据源和初始条件，我们从方法论、先验知识和架构方

 风度78
2023-08-31 12:01:35

 1348

#dnn #聚类 #人工智能 +2
【数据分享】去除树木、建筑的DEM数据集FABDEM下载

FABDEM质量不错，去除了以往DEM中受树木和建筑影响的部分。这对城市相关（尤其是在大城市市中心）的研究还是比较重要的。相关信息网上有很多，这里不再赘述。如果有朋友想用现成的特定范围的FABDEM，我这边出于自己研究需要在GEE上下载了东部11省区范围的FABDEM，分享在。前者比较慢，后者需要一定基础同时也要挂梯子。FABDEM原始数据集下载方法主要有两种。

GIS行者
2023-05-19 14:18:06

 1544

 9

#dnn
搭建一个简单的深度神经网络

本博客实验环境为jupyter。

YSRM
2024-06-12 13:04:12

 1415

 5

#dnn #pytorch #人工智能
Python 实现PSO-DNN粒子群算法优化深度神经网络的数据多输入单输出回归预测

pyhhon复制代码# 构建DNN模型def。Python实现PSO-DNN粒子群算法优化深度神经网络的数据多输入单输出回归预测（含完整的程序和代码详解）资源-CSDN文库https://download.csdn.net/download/xiaoxingkongyuxi/90111507Python实现PSO-DNN粒子群算法优化深度神经网络的数据多输入单输出回归预测（含完整的程序和代码详解）

xiaoxingkongyuxi
2024-12-11 05:25:24

 1149

 29

#算法 #python #dnn +4
【OpenCV DNN】Flask 视频监控目标检测教程 04

使用Flask框架构建一个视频流服务器，向服务器发送请求可以获取模拟视频源产生的视频图像。本例使用模拟视频源，避免硬件配置和视频延迟的影响，构建一个极简的视频流服务器。

YouCans
2023-05-26 20:25:59

 2902

 7

#opencv #dnn #flask +2
区块链所需要了解学习的数据结构及排序算法

本篇博客，本准备只是简单提一些树形、图数据结构的概念，但是想着都写这些了，就对数据结构中的某一些篇章进行了详细解释，可以用于数据结构的基本学习了解。

weixin_45915300
2024-05-11 16:06:08

 1273

 27

#dnn #数据结构 #算法 +4