Wolfram 语言利用神经网络的符号表示，使得对神经网络进行运算变得非常容易. 可以通过采用网络层或添加网络层、选择与合并子图、替换特定组成部分或模式，以另一个网络架构为基础来构建新的网络. 然后可以在各种数据上训练网络，针对特定任务进行优化.

网络训练

NetTrain — 根据样例训练网络的参数

NetTrainResultsObject — 表示训练中发生的事情

网络运算

NetInitialize — 随机初始化网络的参数

NetInsertSharedArrays — 将网络中的所有数组转换为共享网络数组

网络操作

NetExtract — 提取特定的网络层或子图

NetUnfold — 揭示网络的循环状态

NetReplacePart — 替换网络层或网络层的属性

NetFlatten — 展平嵌套网络结构，如子图

NetJoin — 合并一组网络

NetRename — 重新命名网络层或网络的组成部分

NetAppend, NetPrepend — 在网络的前面和后面添加一个或更多网络层

NetTake  ▪  NetDrop  ▪  NetInsert  ▪  NetDelete  ▪  NetReplace

网络组成结构

NetChain — 网络层的链接组成结构

NetGraph — 网络层的图

高阶网络的构建

NetMapOperator — 映射到一个序列上

NetMapThreadOperator — 映射到多个序列上

NetFoldOperator — 折叠在序列元素中的循环网络

NetBidirectionalOperator — 双向循环网络

NetNestOperator — 多次应用相同的操作

特殊训练算符

NetPairEmbeddingOperator — 训练一个 Siamese 神经网络

NetGANOperator — 训练生成对抗网络 (GAN)