Template:Differentiable computing - 维基百科，自由的百科全书

查论编可微分计算
概论	可微分编程自動微分张量微积分信息几何统计流形神经形态工程（英语：Neuromorphic engineering）模式识别运算学习理论（英语：Computational learning theory）归纳偏置
概念	梯度下降 SGD（英语：Stochastic gradient descent）聚类回归过拟合幻觉对抗（英语：Adversarial machine learning）注意力卷积損失函數反向传播激活函数 softmax sigmoid ReLU 正则化数据集扩散（英语：Diffusion process）自回归
应用	机器学习人工神经网络深度学习科学计算人工智能語言模型大型语言模型
硬件	TPU VPU IPU（英语：Graphcore）憶阻器 SpiNNaker（英语：SpiNNaker）
软件库	Theano TensorFlow Keras PyTorch JAX Flux.jl（英语：Flux (machine-learning framework)）
架构	多层感知器（MLP）循环神经网络（RNN）長短期記憶（LSTM）门控循环单元（英语：Gated recurrent unit）（GRU）卷积神经网络（CNN）残差神经网络（ResNet）变换器自编码器变分自编码器（VAE）生成对抗网络（GAN）图神经网络（英语：Graph neural network）（GNN）回响状态网络（英语：Echo state network）（ESN）神经图灵机（NTM）可微分神经计算机（英语：Differentiable neural computer）（DNC）
主题计算机编程技术分类人工神经网络机器学习

使用{{Differentiable computing|state=collapsed}}使本模板显示为折叠（隐藏）状态。
使用{{Differentiable computing|state=expanded}}使本模板显示为展开（显示）状态。
使用{{Differentiable computing|state=autocollapse}}使本模板仅在页面上有其他相同类型的模板时，显示为折叠（隐藏）状态。
除非另有设定（请见模板代码内的|state=参数），autocollapse为默认状态。