3. 深度学习基础 3. 深度学习基础 从本章开始，我们将探索深度学习的奥秘。作为机器学习的一类，深度学习通常基于神经网络模型逐级表示越来越抽象的概念或模式。我们先从线性回归和 softmax 回归这两种单层神经网络入手，简要介绍机器学习中的基本概念。然后，我们由单层神经网络延伸到多层神经网络，并通过多层感知机引入深度学习模型。在观察和了解了模型的过...

第十二章 布局 布局是什么 如何理解布局 布局有哪些 Bundle —- 捆图 Chord —- 弦图 Cluster —- 集群图 Force —- 力学图、力导向图 Histogram —- 直方图（数据分布图） Pack —- 打包图 Partition —- 分区图 Pie —- 饼状图 Stack...

手写数字识别任务 MNIST数据集 构建手写数字识别的神经网络模型 飞桨各模型代码结构一致，大大降低了用户的编码难度 教程采用"横纵式"教学法，适用于深度学习初学者 手写数字识别任务 数字识别是计算机从纸质文档、照片或其他来源接收、理解并识别可读的数字的能力，目前比较受关注的是手写数字识别。手写数字识别是一个典型的图像分类问题，已经被广...

cosine_decay cosine_decay paddle.fluid.layers.cosine_decay ( learning_rate, step_each_epoch, epochs ) [源代码] 使用 cosine decay 的衰减方式进行学习率调整。 在训练模型时，建议一边进行训练一边降低学习率。 通过使用此方法，学习...

LinearWarmup LinearWarmup class paddle.optimizer.lr.LinearWarmup ( learing_rate, warmup_steps, start_lr, end_lr, last_epoch\=- 1, verbose\=False ) [源代码] 该接口提供一种学习率优化策略-线性学习率...

exponential_decay exponential_decay paddle.fluid.layers. exponential_decay ( learning_rate, decay_steps, decay_rate, staircase=False ) [源代码] 在学习率上运用指数衰减。 训练模型时，在训练过程中降低学习率。每...

0.1 本书作者简介 0.1 本书作者简介 本书作者刘遄（Liu Chuán）从事于Linux运维技术行业，高中时期便因兴趣的驱使而较早地接触到了Linux系统并开始学习运维技术，并且在2012年获得红帽工程师RHCE 6版本证书，在2015年初又分别获得红帽工程师RHCE 7版本证书与红帽架构师认证RHCA顶级证书。 尽管如此，但依然深知水平...

大数据实验手册 介绍 纠错 版权 赞助我们 更多原创开源书籍 本书来源：开源书籍：大数据实验手册 (by 楚广明 )报名参与：Star/fork GitHub 仓库 并发送 Pull Request 关注我们：扫描二维码 关注 @楚广明 微博和微信公众号赞助我们：赞助 8.99￥ ，更多原创开源书籍 期待您的支持 ^o^ ...