书栈网 · BookStack 本次搜索耗时 0.065 秒,为您找到 548 个相关结果.
  • 六、Node2Vec

    六、Node2Vec 6.1 模型 6.2 边的representation 6.3 实验 6.3.1 人物关系可视化 6.3.2 多标签分类任务 6.3.3 连接预测 六、Node2Vec feature learning 的挑战是如何定义恰当的目标函数,这涉及计算效率和预测准确率之间的平衡。 一方面可以直接优化下游监督任务的目...
  • 三、Word2Vec

    三、Word2Vec 3.1 CBOW 模型 3.1.1 一个单词上下文 3.1.2 参数更新 3.1.3 多个单词上下文 3.2 Skip-Gram 3.2.1 网络结构 3.1.2 参数更新 3.3 优化 3.3.1 分层 softmax a) 网络结构 b) 参数更新 3.3.2 负采样 a) 原理 b) 参数更新 3.3.3...
  • Chapter 3.神经网络基础组件

    Chapter 3.神经网络基础组件 Perceptron: The Simplest Neural Network Activation Functions Sigmoid Tanh ReLU Softmax Loss Functions Mean Squared Error Loss Categorical Cross-Entropy Lo...
  • Your Deep Learning Journey

    1678 2021-03-31 《The fastai book》
    Your Deep Learning Journey Deep Learning Is for Everyone Neural Networks: A Brief History Who We Are How to Learn Deep Learning Your Projects and Your Mindset The Software: Py...
  • 5.2. 特征提取

    5.2. 特征提取 5.2.1. 从字典类型加载特征 5.2.2. 特征哈希(相当于一种降维技巧) 5.2.2.1. 实现细节 5.2.3. 文本特征提取 5.2.3.1. 话语表示 5.2.3.2. 稀疏 5.2.3.3. 常见 Vectorizer 使用方法 5.2.3.3.1 使用停止词 5.2.3.4. Tf–idf 项加权 5.2....
  • 5.2. 特征提取

    5.2. 特征提取 5.2. 特征提取 5.2.1. 从字典类型加载特征 5.2.2. 特征哈希(相当于一种降维技巧) 5.2.2.1. 实现细节 5.2.3. 文本特征提取 5.2.3.1. 话语表示 5.2.3.2. 稀疏 5.2.3.3. 常见 Vectorizer 使用方法 5.2.3.3.1 使用停止词 5.2.3.4. Tf–id...
  • fluid

    fluid AsyncExecutor BuildStrategy create_lod_tensor CUDAPlace DataFeedDesc LoDTensorArray memory_optimize ParamAttr release_memory WeightNormParamAttr fluid Source En...