榜单
服务器优惠
AI论文
-
噪声层 Noise
GaussianNoise GaussianDropout AlphaDropout [source] GaussianNoise keras . layers . GaussianNoise ( stddev ) 应用以 0 为中心的加性高斯噪声。 这对缓解过拟合很有用（你可以将其视为随机数据增强的一种形式）。高斯噪声（GS）是... -
层封装器 wrappers
TimeDistributed Bidirectional [source] TimeDistributed keras . layers . TimeDistributed ( layer ) 这个封装器将一个层应用于输入的每个时间片。 输入至少为 3D，且第一个维度应该是时间所表示的维度。 考虑 32 个样本的一个 batch... -
Convolution filter visualization
Visualization of the filters of VGG16, via gradient ascent in input space. Visualization of the filters of VGG16, via gradient ascent in input space. This script can run on CPU... -
Convolution filter visualization
Visualization of the filters of VGG16, via gradient ascent in input space. Visualization of the filters of VGG16, via gradient ascent in input space. This script can run on CPU... -
序列预处理
TimeseriesGenerator pad_sequences skipgrams make_sampling_table [source] TimeseriesGenerator keras . preprocessing . sequence . TimeseriesGenerator ( data , targets , le... -
示例
如何在PaddlePaddle中使用VisualDL 如何在Keras中使用VisualDL 在MXNet中使用VisualDL 如何在PyTorch中使用VisualDL -
多机训练： MultiWorkerMirroredStrategy
多机训练： MultiWorkerMirroredStrategy 多机训练： MultiWorkerMirroredStrategy 多机训练的方法和单机多卡类似，将 MirroredStrategy 更换为适合多机训练的 MultiWorkerMirroredStrategy 即可。不过，由于涉及到多台计算机之间的通讯，还需要进行一些额外的设... -
噪声层 Noise
GaussianNoise GaussianDropout AlphaDropout [source] GaussianNoise keras . layers . GaussianNoise ( stddev ) 应用以 0 为中心的加性高斯噪声。 这对缓解过拟合很有用（你可以将其视为随机数据增强的一种形式）。高斯噪声（GS）是... -
5-7,优化器optimizers
5-7,优化器optimizers 一，优化器的使用 二，内置优化器 5-7,优化器optimizers 机器学习界有一群炼丹师，他们每天的日常是： 拿来药材（数据），架起八卦炉（模型），点着六味真火（优化算法），就摇着蒲扇等着丹药出炉了。 不过，当过厨子的都知道，同样的食材，同样的菜谱，但火候不一样了，这出来的口味可是千差万别。火小了夹生，... -
Recurrent Layers
RNN SimpleRNN GRU LSTM ConvLSTM2D ConvLSTM2DCell SimpleRNNCell GRUCell LSTMCell CuDNNGRU CuDNNLSTM [source] RNN keras . engine . base_layer . wrapped_fn () Bas...