书栈网 · BookStack 本次搜索耗时 0.032 秒,为您找到 836 个相关结果.
  • Getting started with Katib

    1184 2020-04-19 《Kubeflow 0.7 Document》
    Getting started with Katib Katib setup Installing Katib Setting up persistent volumes Accessing the Katib UI Examples Example using random algorithm TensorFlow example PyTorc...
  • 简介

    欢迎使用 MegEngine MegEngine 简介 学习 MegEngine 安装说明 欢迎使用 MegEngine MegEngine 简介 MegEngine 是旷视完全自主研发的深度学习框架,中文名为“天元”,是旷视 AI 战略的重要组成部分,负责 AI 三要素(算法,算力,数据)中的“算法”。MegEngine 的研发始...
  • End sidebar

    699 2021-03-31 《The fastai book》
    End sidebar End sidebar For this initial tutorial we are just going to try to create a model that can classify any image as a 3 or a 7. So let’s download a sample of MNIST that...
  • Collab

    Collaborative filtering Gather the data class TabularCollab [source] class CollabDataLoaders [source] CollabDataLoaders.from_df [source] CollabDataLoaders.from_csv [so...
  • Getting Started with Katib

    Getting Started with Katib Katib setup Installing Katib Accessing the Katib UI The new Katib UI Examples Example using random algorithm TensorFlow example PyTorch example C...
  • Questionnaire

    535 2021-03-31 《The fastai book》
    Questionnaire Further Research Questionnaire tip: Experiments: For the questions here that ask you to explain what some function or class is, you should also complete your ow...
  • 8.3 自动并行计算

    8.3 自动并行计算 8.3 自动并行计算 上一节提到,默认情况下,GPU 操作是异步的。当调用一个使用 GPU 的函数时,这些操作会在特定的设备上排队,但不一定会在稍后执行。这允许我们并行更多的计算,包括 CPU 或其他 GPU 上的操作。 下面看一个简单的例子。 首先导入本节中实验所需的包或模块。注意,需要至少2块GPU才能运行本节实验。 i...
  • Community

    Community Community discussions Community meetings Kubeflow community call Slack community and channels Mailing lists Who should consider contributing to Kubeflow? Commun...
  • 介绍

    2598 2019-07-26 《VisualDL 使用文档》
    介绍 我为什么要用 VisualDL? 可视化 易集成 易使用 功能全 完全开放 介绍 VisualDL是一个面向深度学习任务设计的可视化工具,包含了scalar、参数分布、模型结构、图像可视化等功能,项目正处于高速迭代中,新的组件会不断加入。 目前大多数DNN平台均使用Python作为配置语言,VisualDL原生支持python...
  • Ensembling

    653 2021-03-31 《The fastai book》
    Ensembling Boosting Combining Embeddings with Other Methods Ensembling Think back to the original reasoning behind why random forests work so well: each tree has errors, but ...