学习 Kubernetes 基础知识 Kubernetes 基础 Kubernetes 可以为您做些什么? Kubernetes 基础模块 1. 创建一个 Kubernetes 集群 2. 部署应用程序 3. 应用程序探索 4. 应用外部可见 5. 应用可扩展 6. 应用更新 学习 Kubernetes 基础知识 Kuberne...

三、最大熵的学习 3.1 改进的迭代尺度法 3.2 拟牛顿法 三、最大熵的学习 最大熵模型的学习就是在给定训练数据集 时，对模型进行极大似然估计或者正则化的极大似然估计。 最大熵模型与 logistic 回归模型有类似的形式，它们又称为对数线性模型。 它们的目标函数具有很好的性质：光滑的凸函数。因此有多种最优化方法可用，且保证能得到...

4.1 模型构造 4.2 模型参数的访问、初始化和共享 4.3 模型参数的延后初始化 4.4 自定义层 4.5 读取和存储 4.6 GPU计算

学习 Web 浏览器 最常用的浏览器 (任意设备上) 如下： 浏览器和Web技术的演进 （即API）： 最常用的Headless(无GUI)浏览器： 浏览器是如何工作的： 浏览器优化 对比浏览器 浏览器 Hacks 浏览器开发 浏览器中的常青树 选择浏览器 [^1] 建议： 学习 Web 浏览器 Web浏览器 (通常被称为浏...

1. 监督学习 1. 监督学习 1.1 广义线性模型 1.1.1 普通最小二乘法 1.1.2 岭回归 1.1.3 Lasso 1.1.4 多任务 Lasso 1.1.5 弹性网络 1.1.6 多任务弹性网络 1.1.7 最小角回归 1.1.8 LARS Lasso 1.1.9 正交匹配追踪法（OMP） 1.1.10 贝叶斯回归 ...

使用PyTorch进行深度学习 深度学习构建模块：仿射变换, 非线性函数以及目标函数 仿射变换 非线性函数 Softmax和概率 目标函数 优化和训练 使用PyTorch创建网络组件 示例: 基于逻辑回归与词袋模式的文本分类器 使用PyTorch进行深度学习 译者：bdqfork 校对者：FontTian 作者 : Ro...

强化学习(DQN）教程 重播记忆 (Replay Memory) DQN 算法 Q-network 获取输入 训练 超参数和函数 训练循环 强化学习(DQN）教程 译者：@Lisanaaa 作者 : Adam Paszke 本教程演示如何使用 PyTorch 对任务 CartPole-v0 训练 Deep Q Learni...

4. 深度学习计算 4. 深度学习计算 上一章介绍了包括多层感知机在内的简单深度学习模型的原理和实现。本章我们将简要概括深度学习计算的各个重要组成部分，如模型构造、参数的访问和初始化等，自定义层，读取、存储和使用GPU。通过本章的学习，我们将能够深入了解模型实现和计算的各个细节，并为在之后章节实现更复杂模型打下坚实的基础。 4.1. 模型构造 ...

深度学习基础教程 内容简介 使用方法 使用CPU训练 使用GPU训练 贡献新章节 深度学习基础教程 本章由9篇文档组成，它们按照简单到难的顺序排列，将指导您如何使用PaddlePaddle完成基础的深度学习任务 本章文档涉及大量了深度学习基础知识，也介绍了如何使用PaddlePaddle实现这些内容，请参阅以下说明了解如何使用： 内...

6. 学习分类文本 1 有监督分类 1.1 性别鉴定 1.2 选择正确的特征 1.3 文档分类 1.4 词性标注 1.5 探索上下文语境 1.6 序列分类 1.7 其他序列分类方法 2 有监督分类的更多例子 2.1 句子分割 2.2 识别对话行为类型 2.3 识别文字蕴含 2.4 扩展到大型数据集 3 评估 3.1 测试集 3....