榜单
服务器优惠
AI论文
-
Creating a new Op: Python implementation
Creating a new Op: Python implementation Theano Graphs refresher Op’s basic methods Op’s auxiliary methods Example: Op definition Example: props definition How To Test it Bas... -
Creating a new Op: Python implementation
Creating a new Op: Python implementation Theano Graphs refresher Op’s basic methods Op’s auxiliary methods Example: Op definition Example: props definition How To Test it Bas... -
statistics —- 数学统计函数
statistics —- 数学统计函数 中心位置的平均值和度量 传播措施 函数细节 异常 NormalDist 对象 NormalDist Examples and Recipes statistics —- 数学统计函数 3.4 新版功能. 源代码: Lib/statistics.py 该模块提供了用于计算数字 (Real ... -
6.2. Feature extraction
6.2. Feature extraction 6.2.1. Loading features from dicts 6.2.2. Feature hashing 6.2.2.1. Implementation details 6.2.3. Text feature extraction 6.2.3.1. The Bag of Words repres... -
六、决策树
六、决策树 决策树的训练和可视化 开始预测 估计分类概率 CART 训练算法 计算复杂度 基尼不纯度或是信息熵 正则化超参数 回归 不稳定性 练习 六、决策树 和支持向量机一样， 决策树是一种多功能机器学习算法， 即可以执行分类任务也可以执行回归任务， 甚至包括多输出（multioutput）任务. 它是一种功能很强大的算法，可... -
statistics —- 数学统计函数
statistics —- 数学统计函数平均值以及对中心位置的评估 对分散程度的评估 函数细节 异常 NormalDist 对象 NormalDist 示例和用法 statistics —- 数学统计函数 3.4 新版功能. 源代码: Lib/statistics.py 该模块提供了用于计算数字 (Real ... -
1.6. 最近邻
1.6. 最近邻 1.6.1. 无监督最近邻 1.6.1.1. 找到最近邻 1.6.1.2. KDTree 和 BallTree 类 1.6.2. 最近邻分类 1.6.3. 最近邻回归 1.6.4. 最近邻算法 1.6.4.1. 暴力计算 1.6.4.2. K-D 树 1.6.4.3. Ball 树 1.6.4.4. 最近邻算法的选择 1.... -
1.6. 最近邻
1.6. 最近邻 1.6. 最近邻 1.6.1. 无监督最近邻 1.6.1.1. 找到最近邻 1.6.1.2. KDTree 和 BallTree 类 1.6.2. 最近邻分类 1.6.3. 最近邻回归 1.6.4. 最近邻算法 1.6.4.1. 暴力计算 1.6.4.2. K-D 树 1.6.4.3. Ball 树 1.6.4.4. 最近... -
Release Note
Release Note 重要更新 前瞻性预告 训练框架 兼容性说明 动态图模式 API体系 功能优化（含分布式） 动态图基础功能 动态图转静态图 混合精度训练 分布式训练优化 模型保存与载入 复数计算 ONNX功能升级 性能优化（含分布式） 调试分析 推理部署 模型量化 Paddle Inference API 功能升级...