Нейронные сети Flux.jl Начало работы Краткий обзор нейронной сети Обзор Flux: Основные действия Принципы работы Flux: градиенты и слои Обучение модели Flux Рекуррентные модели Поддержка GPU Сохранение и загрузка моделей Советы по производительности Экосистема Julia для Flux Справка Встроенные типы слоев Функции активации из NNlib.jl Инициализация произвольных весов Функции потерь Справка по API обучения Правила оптимизации Вывод формы Плоские и вложенные структуры Вспомогательные функции обратных вызовов Автоматическое дифференцирование с использованием Zygote.jl Работа с данными с помощью MLUtils.jl Прямое унитарное кодирование с OneHotArrays.jl Примитивы нейронной сети из NNlib.jl Рекурсивные преобразования из Functors.jl Руководства Руководство. Линейная регрессия Логистическая регрессия Глубокое обучение с Julia и Flux: 60-минутный краткий курс Руководство. Простой многослойный перцептрон Руководство. Простая сверточная нейронная сеть (ConvNet) Руководство. Генеративно-состязательные сети Глубокая сверточная генеративно-состязательная сеть (DCGAN) Определение настраиваемых слоев PyCall.jl ONNX.jl API Правила участия в разработке