本次回顾和问答活动是对我们网络研讨会的补充， 掌握 Moku：介绍 Moku 神经网络，6 年 2024 月 XNUMX 日。如果您无法现场参加，您可以观看网络研讨会 需求.
除了网络研讨会摘要之外，我们还针对以下选定的观众问题提供深入的解答。
网络研讨会回顾
在本次演讲中，我们介绍了新的 神经网络 Moku:Pro 设备上的多仪器模式下可用的仪器。我们介绍了基于 FPGA 的神经网络的概念，包括它们如何实现实时、确定性的网络操作。
在现场演示中，我们随后构建、训练并部署了两个不同的神经网络模型： 加权和 和 自动编码器，又称降噪器。在Moku神经网络中使用这两个模型，我们测试了多个波形，以展示神经网络仪器进行实时推理的能力。
观众提问
您能提供网络研讨会中使用的 Github 示例的链接吗？
查找加权和示例 开始以及自动编码器示例 开始。有关加权和示例的详细说明，请继续 本博客.
用户是否应该在 Moku:Pro 中设计模型架构，然后再上传 .linn 文件？
模型架构完全定义在 Python脚本 在将 .linn 文件上传到 Moku:Pro 之前。这样您就可以完全定义和训练您的网络，生成一个包含所需权重、偏差和模型定义的 .linn 文件。将 .linn 文件上传到 Moku:Pro 神经网络后，您就可以实时运行该模型。
如果输入两个正弦波，神经网络可以充当低通滤波器吗？
是的，这是 Moku 神经网络的可能应用之一。用户可以选择在 Moku 上实现简单的过滤器 数字滤波器 也可以通过修改 自动编码器 示例或创建自己的示例。
模型可以有多复杂（例如，变压器）？
A 变压器 是用于大型语言学习模型（如 ChatGPT）的模型类型。它跟踪顺序数据中的关系，并能够学习数据中的上下文，例如句子中的单词。这些类型的模型非常复杂，需要大量的训练时间和数据。Moku 神经网络目前支持全连接网络，不支持 Transformer 模型，因为它的目的是信号处理。基于 FPGA 的架构允许用户对离散值和信号进行实时信号处理和推理。
模型大小限制是多少 MB？可以上传 U-net 模型吗？
可以上传到 Moku 神经网络的神经网络模型的大小限制更有可能来自网络维度限制，而不是文件容量。网络维度允许用户上传最多 100 个密集连接层的模型，每层最多 50,000 个神经元，总计超过 XNUMX 个系数。
典型的 U-net 模型需要卷积层和跳过层，而我们目前不支持这些层。如果您有特定要求， 让我们知道。我们一定会捕获所有功能请求，以供未来的软件开发考虑。
感谢您观看我们的网络研讨会。我们期待再次见到您。
如需更深入的演示，请查看我们的 网络研讨会页面 来点播观看。
更多问题？
在我们的知识库中获取常见问题解答
如果您对设备特性或仪器功能有疑问，请查看我们的 知识库 来查询您正在寻找的答案。 您还可以快速查看热门问题并按产品或主题来优化搜索。
加入我们的用户论坛来与我们保持联系
想要新的功能吗？ 有技术支持提示要分享？ 从客户案例到新功能公告等等， 用户论坛 是您的一站式门户，作为产品更新以及与 Liquid Instruments 和我们的全球用户社区建立联系。
