隐式转换和隐式参数 一、隐式转换 1.1 使用隐式转换 1.2 隐式转换规则 1.3 引入隐式转换 二、隐式参数 2.1 使用隐式参数 2.2 引入隐式参数 2.3 利用隐式参数进行隐式转换 1. 使用视图界定 2. 利用隐式参数进行隐式转换 参考资料 隐式转换和隐式参数 一、隐式转换 1.1 使用隐式转换 隐式转换指的...

非饱和激活函数 Glorot 和 Bengio 在 2010 年的论文中的一个见解是，消失/爆炸的梯度问题部分是由于激活函数的选择不好造成的。 在那之前，大多数人都认为，如果大自然选择在生物神经元中使用 sigmoid 激活函数，它们必定是一个很好的选择。 但事实证明，其他激活函数在深度神经网络中表现得更好，特别是 ReLU 激活函数，主要是因为它对正值...

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...

为预测时间序列而训练 现在让我们来看看如何处理时间序列，如股价，气温，脑电波模式等等。 在本节中，我们将训练一个 RNN 来预测生成的时间序列中的下一个值。 每个训练实例是从时间序列中随机选取的 20 个连续值的序列，目标序列与输入序列相同，除了向后移动一个时间步（参见图14-7）。 首先，我们来创建一个 RNN。 它将包含 100 个循环神经元，...

scikit-learn (sklearn) 官方文档中文版 维护地址 目录 贡献指南 项目负责人 项目协议 建议反馈 赞助我们 scikit-learn (sklearn) 官方文档中文版 scikit-learn 是基于 Python 语言的机器学习工具 简单高效的数据挖掘和数据分析工具 可供大家在各种环境中重复使用 建立在 N...

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...

个性化推荐 说明: 背景介绍 效果展示 模型概览 YouTube的深度神经网络个性化推荐系统 候选生成网络（Candidate Generation Network） 排序网络（Ranking Network） 融合推荐模型 文本卷积神经网络（CNN） 融合推荐模型概览 数据准备 数据介绍与下载 模型配置说明 训练模型 定义训练环...

个性化推荐 说明: 背景介绍 效果展示 模型概览 YouTube的深度神经网络个性化推荐系统 候选生成网络（Candidate Generation Network） 排序网络（Ranking Network） 融合推荐模型 文本卷积神经网络（CNN） 融合推荐模型概览 数据准备 数据介绍与下载 模型配置说明 训练模型 定义训练环境...

更快的优化器 训练一个非常大的深度神经网络可能会非常缓慢。 到目前为止，我们已经看到了四种加速训练的方法（并且达到更好的解决方案）：对连接权重应用良好的初始化策略，使用良好的激活函数，使用批量规范化以及重用预训练网络的部分。 另一个巨大的速度提升来自使用比普通渐变下降优化器更快的优化器。 在本节中，我们将介绍最流行的：动量优化，Nesterov 加速梯度...

飞桨大规模分类库简介 简单易用，五行代码实现千万类别神经网络 安装飞桨 安装PLSC 准备模型训练配置代码，保存为train.py文件 启动训练任务 PLSC训练效果达到SOTA精度 LSC支持多机分布式训练和千万规模分类 PLSC提供从训练到部署的全流程解决方案 安装serving端和client端 通过下面的脚本部署serving端 通...