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
0.040
秒,为您找到
141449
个相关结果.
搜书籍
搜文档
数字识别
1930
2020-12-18
《百度飞桨 PaddlePaddle 1.8 深度学习平台教程》
数字识别 说明: 背景介绍 模型概览 Softmax回归(Softmax Regression) 多层感知机(Multilayer Perceptron, MLP) 卷积神经网络(Convolutional Neural Network, CNN) 卷积层 池化层 常见激活函数介绍 数据介绍 Fluid API 概述 配置说明 Prog...
数字识别
2828
2020-05-01
《百度飞桨 PaddlePaddle 1.7 深度学习平台教程》
数字识别 说明: 背景介绍 模型概览 Softmax回归(Softmax Regression) 多层感知机(Multilayer Perceptron, MLP) 卷积神经网络(Convolutional Neural Network, CNN) 卷积层 池化层 常见激活函数介绍 数据介绍 Fluid API 概述 配置说明 Prog...
TensorFlow 模型建立与训练
2468
2019-10-13
《简单粗暴 TensorFlow 2.0》
TensorFlow 模型建立与训练 TensorFlow 模型建立与训练 本章介绍如何使用 TensorFlow 快速搭建动态模型。 模型的构建: tf.keras.Model 和 tf.keras.layers 模型的损失函数: tf.keras.losses 模型的优化器: tf.keras.optimizer 模型的评...
一、卷积运算
2434
2020-06-01
《AI算法工程师手册》
一、卷积运算 1.1 数学卷积 1.1.1 卷积定义 1.1.2 数学卷积与矩阵乘法 1.1.2.1 一维卷积和矩阵乘法 1.1.2.2 二维卷积和矩阵乘法 1.2 神经网络卷积 1.2.1 卷积定义 1.2.2 输入填充 1.2.3 三维卷积 1.2.4 降采样 1.2.5 梯度计算 一、卷积运算 1.1 数学卷积 1...
学习矢量化(LVQ)
2395
2021-04-11
《Deeplearning Algorithms Tutorial(深度学习算法教程)》
Deeplearning Algorithms tutorial 学习矢量化 应用案例 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、图像识别等许多层面。苹果业已开始全面拥抱机器学习...
术语中英对照表
1092
2019-10-13
《简单粗暴 TensorFlow 2.0》
术语中英对照表 术语中英对照表 张量 Tensor 变量 Variable 操作 Operation 优化器 Optimizer 层 Layer 损失函数 Loss Function 评估指标 Metrics 多层感知机 Multilayer Perceptron, MLP 卷积神经网络 Convolutional ...
BIRCH
2158
2021-04-11
《Deeplearning Algorithms Tutorial(深度学习算法教程)》
Deeplearning Algorithms tutorial BIRCH 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、图像识别等许多层面。苹果业已开始全面拥...
1.17. 神经网络模型(有监督)
1684
2020-03-01
《scikit-learn (sklearn) 0.19 官方文档中文版》
1.17. 神经网络模型(有监督) 1.17. 神经网络模型(有监督) 1.17.1. 多层感知器 1.17.2. 分类 1.17.3. 回归 1.17.4. 正则化 1.17.5. 算法 1.17.6. 复杂度 1.17.7. 数学公式 1.17.8. 实用技巧 1.17.9. 使用 warm_start 的更多控制 1.17....
神经网络策略
1700
2018-10-27
《Sklearn 与 TensorFlow 机器学习实用指南》
神经网络策略 让我们创建一个神经网络策略。就像之前我们编码的策略一样,这个神经网络将把观察作为输入,输出要执行的动作。更确切地说,它将估计每个动作的概率,然后我们将根据估计的概率随机地选择一个动作(见图 16-5)。在 CartPole 环境中,只有两种可能的动作(左或右),所以我们只需要一个输出神经元。它将输出动作 0(左)的概率p ,动作 1(右)的...
1..
«
9
10
11
12
»
..100