榜单
服务器优惠
AI论文
-
Multi-GPU examples
Multi-GPU examples DataParallel Part of the model on CPU and part on the GPU Multi-GPU examples 译者：@unknown 校对者：@bringtree 数据并行是指当我们将 mini-batch 的样本分成更小的 mini-batches, ... -
PyTorch深度学习
PyTorch深度学习 深度学习构建模块: Affine maps, non-linearities and objectives Affine Maps Non-Linearities(非线性) Softmax and Probabilities(Softmax和概率分布) Objective Functions(目标函数) Optimizati... -
记忆单元
记忆单元 由于时间t 的循环神经元的输出，是由所有先前时间步骤计算出来的的函数，你可以说它有一种记忆形式。一个神经网络的一部分，跨越时间步长保留一些状态，称为存储单元（或简称为单元）。单个循环神经元或循环神经元层是非常基本的单元，但本章后面我们将介绍一些更为复杂和强大的单元类型。 一般情况下，时间步t 处的单元状态，记为 （h 代表“隐藏”），是该时间... -
其他自编码器
其他自编码器 监督式学习在图像识别，语音识别，文本翻译等方面取得的惊人成就在某种程度上掩盖了无监督学习的局面，但它实际上正在蓬勃发展。 自编码器和其他无监督学习算法的新体系结构定期发明，以至于我们无法在本书中全面介绍它们。 以下是您可能想要查看的几种类型的自编码器的简要说明（绝非详尽无遗）： 压缩自编码器（CAE） 自编码器在训练过程中受到约束，因此... -
基于注意力机制的 seq2seq 神经网络翻译
基于注意力机制的 seq2seq 神经网络翻译 加载数据文件 Seq2Seq模型 编码器 解码器 简单的编码器 带有注意力机制的解码器 训练 准备训练数据 训练模型 绘制结果 评估 训练和评估 可视化注意力 练习题 基于注意力机制的 seq2seq 神经网络翻译 译者：mengfu188 校对者：FontTian ... -
九、正切传播算法
九、正切传播算法 九、正切传播算法 切面距离算法是最近邻算法的一种，其中的度量使用的不是通用的欧几里得距离，而是流形距离。 假设分类样本有这样的性质：在同一个流形上的样本分类相同，不同流形上的样本分类不同。则分类器会有这样的特点：对于样本的局部变化不敏感。即：样本在流形上的移动时，分类器的输出不变。 假设样本 的流形为 ，样本 的流形为... -
跟着例子学习 PyTorch
跟着例子学习 PyTorch Tensors Warm-up: numpy PyTorch: Tensors Autograd PyTorch: Variables and autograd PyTorch: Defining new autograd functions TensorFlow: Static Graphs nn module... -
三、Fast GCN
三、Fast GCN 3.1 模型 3.1.1 卷积核 3.1.2 图粗化 3.1.3 池化 3.2 实验 三、Fast GCN 基于空域卷积可以通过有限大小的卷积核来实现空间局部性，但是由于在图上无法定义平移，因此它无法实现平移不变性。 基于频域卷积可以通过平滑约束实现近似的空间局部性，但是频域定义的卷积不是原生的空间局部性，并且频域... -
二、GCN
二、GCN 2.1 空域构建 2.2 图卷积 2.2.1 拉普拉斯算子 2.2.2 卷积 2.3 频域构建 2.4 实验 2.4.1 降采样 MNIST 2.4.2 球面 MNIST 二、GCN 卷积神经网络 CNN 要求输入数据为网格结构，并且要求数据在网格中具有平移不变性，如一维语音、二维图像、三维视频都是这类数据的典型代表。...