分类
发现
榜单
服务器优惠
AI论文
免费AI编程助手
搜索
注册
登录
分类
发现
榜单
服务器优惠
AI论文
免费AI编程助手
搜索
注册
登录
搜索
书栈网 · BookStack
本次搜索耗时
0.027
秒,为您找到
76649
个相关结果.
搜书籍
搜文档
5.10 批量归一化
3031
2020-06-10
《《动手学深度学习》(PyTorch版)》
5.10 批量归一化 5.10.1 批量归一化层 5.10.1.1 对全连接层做批量归一化 5.10.1.2 对卷积层做批量归一化 5.10.1.3 预测时的批量归一化 5.10.2 从零开始实现 5.10.2.1 使用批量归一化层的LeNet 5.10.3 简洁实现 小结 参考文献 5.10 批量归一化 本节我们介绍批量归一化(b...
原接口兼容
378
2021-10-31
《OneFlow v0.5 深度学习框架文档》
说明 3分钟快速上手 识别 MNIST 手写体数字 数据输入 搭建神经网络 优化算法及超参配置 获取作业函数的结果 模型的加载与保存 分布式训练 OneFlow 概念清单 OneFlow 系统设计 作业函数的定义与调用 Consistent 与 Mirrored 视角 OneFlow 的并行特色 OFRecord 数据格式 加载...
情感分析和文本匹配
1135
2020-05-04
《百度架构师手把手带你零基础入门深度学习》
自然语言情感分析和文本匹配是日常生活中最常用的两类自然语言处理任务,本节主要介绍情感分析和文本匹配原理实现和典型模型,以及如何使用飞桨完成情感分析任务。 自然语言情感分析 循环神经网络RNN和长短时记忆网络LSTM 使用飞桨实现基于LSTM的情感分析模型 文本匹配 思考一下
八、NFM
2577
2020-06-01
《AI算法工程师手册》
八、NFM 8.1 模型 8.2 实验 8.2.1 Bi-Interaction 层 8.2.2 隐层 8.2.3 预训练 8.2.4 模型比较 八、NFM FM 是一个有效捕捉二阶特征交互的方案,但是它仅能以线性的方式交互,无法学得真实世界数据的非线性关系,因此模型的表达能力较弱。 而 DNN (如 Wide&Deep、Deep...
Introduction
3568
2020-03-05
《PyTorch 1.0 中文文档 & 教程》
PyTorch 1.0 中文文档 & 教程 目录结构 PyTorch 1.0 中文文档 & 教程 PyTorch 是一个针对深度学习, 并且使用 GPU 和 CPU 来优化的 tensor library (张量库) 1.0 中文版本 最新 英文教程 最新 英文文档 0.4 中文...
18. 无痛针灸
2180
2018-11-15
《每个程序员上辈纸都是法力无边的巫师》
无痛针灸 无痛针灸 有次在魔法集团粢饭,聊到中医,发现竟有 80% 的 colleagues 认为中医是骗人的,小法师惊呆了 后来和红帽的一个魔法师聊到这个,小法师认为治病犹如行军打仗, 双方战力:我 5 敌 8 西医直接杀病毒,把敌方战力削减至 3而中医如加光环,把我方战力提升至 10 就结果上来看,打完之后都剩 2,所以最好不...
SimpleRNN
150
2021-06-06
《百度飞桨 PaddlePaddle v2.1 深度学习教程》
SimpleRNN SimpleRNN class paddle.nn. SimpleRNN ( input_size, hidden_size, num_layers=1, activation=’tanh’, direction=’forward’, dropout=0., time_major=False, weight_ih_attr=Non...
6.3 语言模型数据集(周杰伦专辑歌词)
2007
2020-06-10
《《动手学深度学习》(PyTorch版)》
6.3 语言模型数据集(周杰伦专辑歌词) 6.3.1 读取数据集 6.3.2 建立字符索引 6.3.3 时序数据的采样 6.3.3.1 随机采样 6.3.3.2 相邻采样 小结 6.3 语言模型数据集(周杰伦专辑歌词) 本节将介绍如何预处理一个语言模型数据集,并将其转换成字符级循环神经网络所需要的输入格式。为此,我们收集了周杰伦从第一张专...
Using autodiff
906
2018-10-27
《Sklearn 与 TensorFlow 机器学习实用指南》
Using autodiff 前面的代码工作正常,但它需要从代价函数(MSE)中利用数学公式推导梯度。 在线性回归的情况下,这是相当容易的,但是如果你必须用深层神经网络来做这个事情,你会感到头痛:这将是乏味和容易出错的。 您可以使用符号求导来为您自动找到偏导数的方程式,但结果代码不一定非常有效。 为了理解为什么,考虑函数f(x) = exp(exp(ex...
1..
«
56
57
58
59
»
..100