6.3. 语言模型数据集（周杰伦专辑歌词） 6.3.1. 读取数据集 6.3.2. 建立字符索引 6.3.3. 时序数据的采样 6.3.3.1. 随机采样 6.3.3.2. 相邻采样 6.3.4. 小结 6.3.5. 练习 6.3. 语言模型数据集（周杰伦专辑歌词） 本节将介绍如何预处理一个语言模型数据集，并将其转换成字符级循环神经网络...

7.4.2. 动量法 7.4.1. 梯度下降的问题 7.4.2. 动量法 7.4.2.1. 指数加权移动平均 7.4.2.2. 由指数加权移动平均理解动量法 7.4.3. 从零开始实现 7.4.4. 简洁实现 7.4.5. 小结 7.4.6. 练习 7.4.2. 动量法 在“梯度下降和随机梯度下降” 一节中我们提到，目标函数有关自变量...

Job Management Multiple Pod Template Job Input/Output Conditions and Phases Error Handling Features Interaction Admission Controller CoScheduling Task Priority within Job R...

9.7. 单发多框检测（SSD） 9.7.1. 模型 9.7.1.1. 类别预测层 9.7.1.2. 边界框预测层 9.7.1.3. 连结多尺度的预测 9.7.1.4. 高和宽减半块 9.7.1.5. 基础网络块 9.7.1.6. 完整的模型 9.7.2.3. 训练模型 9.7.2.1. 读取数据集和初始化 9.7.2.2. 定义损失函数和评...

3.2 线性回归的从零开始实现 3.2.1 生成数据集 3.2.2 读取数据 3.2.3 初始化模型参数 3.2.4 定义模型 3.2.5 定义损失函数 3.2.6 定义优化算法 3.2.7 训练模型 小结 3.2 线性回归的从零开始实现 在了解了线性回归的背景知识之后，现在我们可以动手实现它了。尽管强大的深度学习框架可以减少大量重复...

6.2. 循环神经网络 6.2.1. 不含隐藏状态的神经网络 6.2.2. 含隐藏状态的循环神经网络 6.2.3. 应用：基于字符级循环神经网络的语言模型 6.2.4. 小结 6.2.5. 练习 6.2. 循环神经网络 上一节介绍的 元语法中，时间步 的词 基于前面所有词的条件概率只考虑了最近时间步的 个词。如果要考虑比 更早时...

5.3. 多输入通道和多输出通道 5.3.1. 多输入通道 5.3.2. 多输出通道 5.3.3. 1\times 1卷积层 5.3.4. 小结 5.3.5. 练习 5.3. 多输入通道和多输出通道 前面两节里我们用到的输入和输出都是二维数组，但真实数据的维度经常更高。例如，彩色图像在高和宽2个维度外还有RGB（红、绿、蓝）3个颜色通道。假...

3.6. softmax回归的从零开始实现 3.6.1. 获取和读取数据 3.6.2. 初始化模型参数 3.6.3. 实现softmax运算 3.6.4. 定义模型 3.6.5. 定义损失函数 3.6.6. 计算分类准确率 3.6.7. 训练模型 3.6.8. 预测 3.6.9. 小结 3.6.10. 练习 3.6. softma...

3.2. 线性回归的从零开始实现 3.2.1. 生成数据集 3.2.2. 读取数据 3.2.3. 初始化模型参数 3.2.4. 定义模型 3.2.5. 定义损失函数 3.2.6. 定义优化算法 3.2.7. 训练模型 3.2.8. 小结 3.2.9. 练习 3.2. 线性回归的从零开始实现 在了解了线性回归的背景知识之后，现在我们可...

7.2. 梯度下降和随机梯度下降 7.2.1. 一维梯度下降 7.2.2. 学习率 7.2.3. 多维梯度下降 7.2.4. 随机梯度下降 7.2.5. 小结 7.2.6. 练习 7.2.7. 参考文献 7.2. 梯度下降和随机梯度下降 在本节中，我们将介绍梯度下降（gradientdescent）的工作原理。虽然梯度下降在深度学习中很...