分类
发现
榜单
服务器优惠
AI论文
IT文库
搜索
注册
登录
分类
发现
榜单
服务器优惠
AI论文
IT文库
搜索
注册
登录
搜索
书栈网 · BookStack
本次搜索耗时
0.028
秒,为您找到
141449
个相关结果.
搜书籍
搜文档
EM
2460
2021-04-11
《Deeplearning Algorithms Tutorial(深度学习算法教程)》
Deeplearning Algorithms tutorial 算法描述 算法背景 相关应用 相关应用 优缺点 Deeplearning Algorithms tutorial 谷歌的人工智能位于全球前列,在图像识别、语音识别、无人驾驶等技术上都已经落地。而百度实质意义上扛起了国内的人工智能的大旗,覆盖无人驾驶、智能助手、图像识别等许多层...
PyTorch 深度学习: 60 分钟极速入门
2022
2020-03-05
《PyTorch 1.0 中文文档 & 教程》
PyTorch 深度学习: 60 分钟极速入门 PyTorch 深度学习: 60 分钟极速入门 译者:bat67 校对者:FontTian 作者 :Soumith Chintala 此教程的目标: 更高层次地理解PyTorch的Tensor库以及神经网络。 训练一个小的神经网络模型用于分类图像。 本教程假设读者对numpy 有...
波士顿房价预测任务
3149
2020-05-04
《百度架构师手把手带你零基础入门深度学习》
波士顿房价预测任务 线性回归模型 线性回归模型的神经网络结构 波士顿房价预测任务 上一节我们初步认识了神经网络的基本概念(如神经元、多层连接、前向计算、计算图)和模型结构三要素(模型假设、评价函数和优化算法)。本节将以“波士顿房价”任务为例,向读者介绍使用Python语言和Numpy库来构建神经网络模型的思考过程和操作方法。 波士顿房价预测是一...
神经网络层
635
2019-07-24
《PaddlePaddle v1.4(fluid) 深度学习平台》
神经网络层 神经网络层 卷积 池化 图像检测 序列 数学操作 激活函数 损失函数 数据输入输出 控制流 稀疏更新 使用DataFeeder传入训练/预测数据 学习率调度器 张量
计算机视觉应用
2292
2020-04-01
《MindSpore深度学习框架教程(0.1.0-alpha)》
计算机视觉应用 概述 图像分类 任务描述及准备 下载CIFAR-10数据集 数据预加载和预处理 定义卷积神经网络 定义损失函数和优化器 调用Model高阶API进行训练和保存模型文件 加载保存的模型,并进行验证 参考文献 计算机视觉应用 概述 计算机视觉是当前深度学习研究最广泛、落地最成熟的技术领域,在手机拍照、智能安防、自动...
PyTorch 深度学习: 60 分钟极速入门教程
1379
2020-03-05
《PyTorch 0.3 中文文档 & 教程》
PyTorch 深度学习: 60 分钟极速入门教程 PyTorch 深度学习: 60 分钟极速入门教程 译者:@小王子 校对者:@李子文 Author : Soumith Chintala 本教程的目标: 更高层次地理解 PyTorch 的 Tensor (张量) 库以及神经网络. 学会训练一个小的神经网络用来对图像进行分类 ...
神经网络层
816
2019-03-02
《PaddlePaddle 1.3(fluid) 使用文档》
神经网络层 神经网络层 卷积 池化 图像检测 序列 数学操作 激活函数 损失函数 数据输入输出 控制流 稀疏更新 使用DataFeeder传入训练/预测数据 学习率调度器 张量 原文: http://paddlepaddle.org/documentation/docs/zh/1.3/api_guides/low_le...
训练分类器
3056
2020-09-19
《PyTorch 1.2 中文文档 & 教程》
训练分类器 数据应该怎么办呢? 训练一个图片分类器 1.加载并标准化CIFAR10 2.定义卷积神经网络 3.定义损失函数和优化器 4.训练网络 5.使用测试数据测试网络 在GPU上训练 在多GPU上训练 接下来要做什么? 训练分类器 译者:bat67 校验者:FontTian 目前为止,我们以及看到了如何定义网络,...
训练分类器
1537
2020-03-05
《PyTorch 1.0 中文文档 & 教程》
训练分类器 数据应该怎么办呢? 训练一个图片分类器 1.加载并标准化CIFAR10 2.定义卷积神经网络 3.定义损失函数和优化器 4.训练网络 5.使用测试数据测试网络 在GPU上训练 在多GPU上训练 接下来要做什么? 训练分类器 译者:bat67 校对者:FontTian 目前为止,我们以及看到了如何定义网络,...
1..
«
8
9
10
11
»
..100