API功能分类 API功能分类 本模块分功能向您介绍PaddlePaddle Fluid的API体系和用法，提高您的查找效率，帮助您快速了解PaddlePaddle Fluid API的全貌，包括以下几个模块： 基础概念 神经网络层 复杂网络 优化器 反向传播 评价指标 模型保存与加载 预测引擎 执行引擎 数据...

API分类检索 API分类检索 本模块分功能向您介绍PaddlePaddle Fluid的API体系和用法，提高您的查找效率，帮助您快速了解PaddlePaddle Fluid API的全貌，包括以下几个模块： 基础概念 神经网络层 复杂网络 优化器 反向传播 评价指标 模型保存与加载 预测引擎 执行引擎 数据并行执行引擎 C...

栈式自编码器（SAE） 就像我们讨论过的其他神经网络一样，自编码器可以有多个隐藏层。 在这种情况下，它们被称为栈式自编码器（或深度自编码器）。 添加更多层有助于自编码器了解更复杂的编码。 但是，必须注意不要让自编码器功能太强大。 设想一个编码器非常强大，只需学习将每个输入映射到一个任意数字（并且解码器学习反向映射）即可。 很明显，这样的自编码器将完美地重...

语义角色标注 说明 背景介绍 模型概览 栈式循环神经网络（Stacked Recurrent Neural Network） 双向循环神经网络（Bidirectional Recurrent Neural Network） 条件随机场 (Conditional Random Field) 深度双向LSTM（DB-LSTM）SRL模型 数据介绍...

反向传播：整体描述 反向传播：整体描述 正如我之前所阐述的，反向传播涉及了两个谜题。第一个谜题是，这个算法究竟在做什么？我们之前的描述是将错误量从输出层反向传播。但是，我们是否能够更加深入，对这些矩阵、向量的乘法背后作出更加符合直觉的解释？第二个谜题是，人们一开始是如何发现反向传播算法的？按照算法流程一步步走下来，或者证明算法的正确性，这是一回事。但...

正则化 正则化 避免过拟合的方法之一是增加训练数据数量。那么，还有没有别的方法能让我们避免过拟合呢？一种可能的方法是减小网络的规模。然而，我们并不情愿减小规模，因为大型网络比小型网络有更大的潜力。 幸好，哪怕使用固定的网络和固定的训练数据，我们还有别的方法来避免过拟合。这就是所谓的正则化（regularization）技术。在这一节我将描述一种最常...

常见的分布式并行策略 为什么分布式训练越来越流行 常见的并行策略 数据并行 模型并行 流水并行 混合并行 常见的分布式并行策略 为什么分布式训练越来越流行 近年来，深度学习被广泛应用到各个领域，包括计算机视觉、语言理解、语音识别、广告推荐等。在这些不同的领域中，一个共同的特点就是模型规模越来越大，比如 GPT-3 模型的参数量达到1750...

Deeplearning Algorithms tutorial 多层感知器(Multilayer Perceptron) 应用示例 Deeplearning Algorithms tutorial 谷歌的人工智能位于全球前列，在图像识别、语音识别、无人驾驶等技术上都已经落地。而百度实质意义上扛起了国内的人工智能的大旗，覆盖无人驾驶、智能助手、图...