一、GNN 1.1 模型 1.1.1 方程求解算法 1.1.2 参数学习算法 1.1.3 转移函数和输出函数 1.2 模型分析 1.2.1 RNN 1.2.2 随机游走 1.2.3 计算复杂度 1.2.4 不动点 1.3 实验 1.3.1 子图匹配问题 1.3.2 Mutagenesis问题 1.3.3 Web PageRank ...

动态图转静态图 动态图转静态图 动态图有诸多优点，包括易用的接口，Python风格的编程体验，友好的debug交互机制等。在动态图模式下，代码是按照我们编写的顺序依次执行。这种机制更符合Python程序员的习 惯，可以很方便地将大脑中的想法快速地转化为实际代码，也更容易调试。但在性能方面， Python执行开销较大，与C++有一定差距。因此在工业界的...

使用fuzz testing模块测试模型安全性 概述 实现阶段 导入需要的库文件 参数配置 运用Fuzz Testing 使用fuzz testing模块测试模型安全性 Linux Ascend GPU CPU 数据准备 模型开发 模型训练 模型调优 企业 高级 概述 传统软件的决策逻辑由代码逻辑决定，传统软...

深度概率编程 概述 使用贝叶斯神经网络 处理数据集 定义贝叶斯神经网络 定义损失函数和优化器 训练网络 使用变分自编码器 定义变分自编码器 定义损失函数和优化器 处理数据 训练网络 生成新样本或重构输入样本 DNN一键转换成BNN 定义DNN模型 定义损失函数和优化器 实例化TransformToBNN 实现功能一：转换整个模型...

BiRNN BiRNN class paddle.nn.BiRNN ( cell_fw, cell_bw, time_major=False ) [源代码] 双向循环神经网络 该OP是双向循环神经网络（BiRNN）的封装，将输入的前向cell和后向cell封装为一个双向循环神经网络。该网络单独执行前向和后向cell的计算并将输出拼接。 参...

反向传播背后的四个基本等式 问题 反向传播背后的四个基本等式 反向传播(backpropagation)能够帮助解释网络的权重和偏置的改变是如何改变代价函数的。归根结底，它的意思是指计算偏导数\partial C / \partial w^l<em>{jk}和。但是为了计算这些偏导数，我们首先介绍一个中间量，，我们管它叫做层的神经元的错误量(err...

自动微分机制介绍 一、背景 二、如何使用飞桨的自动微分机制 三、飞桨中自动微分相关所有的使用方法说明 四、飞桨自动微分运行机制 五、总结 自动微分机制介绍 PaddlePaddle的神经网络核心是自动微分，本篇文章主要为你介绍如何使用飞桨的自动微分，以及飞桨的自动微分机制，帮助你更好的使用飞桨进行训练。 一、背景 神经网络是由节点和节...

基础概念 Program Block Operator Variable 相关API 基础概念 Program Fluid 中使用类似于编程语言的抽象语法树的形式描述用户的神经网络配置，用户对计算的描述都将写入一段Program。Fluid 中的 Program 替代了传统框架中模型的概念，通过对顺序执行、条件选择和循环执行三种执行结...

基础概念 Program Block Operator Variable 相关API 基础概念 Program Fluid 中使用类似于编程语言的抽象语法树的形式描述用户的神经网络配置，用户对计算的描述都将写入一段Program。Fluid 中的 Program 替代了传统框架中模型的概念，通过对顺序执行、条件选择和循环执行三种执行结...

10.8 文本情感分类：使用卷积神经网络（textCNN） 10.8.1 一维卷积层 10.8.2 时序最大池化层 10.8.3 读取和预处理IMDb数据集 10.8.4 textCNN模型 10.8.4.1 加载预训练的词向量 10.8.4.2 训练并评价模型 小结 参考文献 10.8 文本情感分类：使用卷积神经网络（textCNN...