榜单
IT文库
服务器优惠
-
下载和编译
Angel编译指南 Angel编译指南 编译环境依赖 Jdk >= 1.8 Maven >= 3.0.5 Python >=3.6 如果要运行PyAngel Protobuf >= 2.5.0 需与hadoop环境自带的protobuf版本保持一致。目前hadoop官方发布包使用的是2.5.0版本，所以推荐使用2.5.0版本，除非你自己... -
MLRunner
MLRunner 功能 核心方法 MLRunner Angel算法的启动入口类。它定义了启动Angel任务的标准流程，封装了对 AngelClient 的使用。 功能 通过调用AngelClient ，启动Angel ps，加载和存储模型，完成Task等一系列动作，完成机器学习任务的默认实现 一般情况下，应用程序直接调用它的默认实... -
Deep Neural Network(DNN)
DNN 1. Json定义网络 1.1 输入层的定义 1.2 FCLayer的定义 1.3 损失层的定义 2. 数据相关参数的定义 3. 定义模型相关参数 4. 定义训练参数 5. 将所有配置放在一起 6. 提效脚本 DNN DNN是每个深度学习平台第一个要支持的算法. Angel作为一个深度学习平台, 并没有内置DNN的实现, 但... -
Logistic Regression(LR)
[Spark on Angel] LR 1. 算法介绍 2. 分布式实现 with Spark on Angel 3. 运行 & 性能 [Spark on Angel] LR 数据、特征和数值优化算法是机器学习的核心，Spark on Angel的LR算法，借助Spark本身的MLLib，支持更加完善的优化算法，包括梯度下降、牛顿法，以及二者... -
ModelConverter（模型转换器）
ModelConverter（模型转换器） 转换前格式（二进制） 转换后格式（明文） 转换器 1. 单机模式 2. 分布式模式 ModelConverter（模型转换器） Angel任务结束时，PSModel的模型写入，会默认以二进制文件格式存储，这样可以有更好的速度和节省空间，然而有些用户必须使用文本格式的模型。为此，Angel提供... -
Logistic Regression(LR)
[Spark on Angel] LR 1. 算法介绍 2. 分布式实现 with Spark on Angel 3. 运行 & 性能 [Spark on Angel] LR 数据、特征和数值优化算法是机器学习的核心，Spark on Angel的LR算法，借助Spark本身的MLLib，支持更加完善的优化算法，包括梯度下降、牛顿法，以及二者... -
设计理念
Angel的设计理念 灵活性 性能 易用性 扩展性 稳定 Angel的设计理念 Angel的整体设计理念，是简约而不简单 ，做一个灵活而强大的参数服务器，并在此之上，提供多种机器学习算法，和PS服务，扩展为一个分布式机器学习平台。 因此，在开发之时，Angel从如下5个方向，对整体进行了改进和设计，并在它们之间进行了平衡。包括： 易... -
Deep Learning Architexture
Angel中的计算图 Angel中的层 Angel中优化器 Angel中的损失函数 Angel中的传输函数 -
设计理念
Angel的设计理念 灵活性 性能 易用性 扩展性 稳定 Angel的设计理念 Angel的整体设计理念，是简约而不简单 ，做一个灵活而强大的参数服务器，并在此之上，提供多种机器学习算法，和PS服务，扩展为一个分布式机器学习平台。 因此，在开发之时，Angel从如下5个方向，对整体进行了改进和设计，并在它们之间进行了平衡。包括： 易... -
Product Neural Network(PNN)
PNN 1. 算法介绍 1.1 BiInnerCross层的说明 1.2 其它层说明 1.3 网络构建 2. 运行与性能 2.1 Json配置文件说明 2.2 提交脚本说明 PNN 1. 算法介绍 FNN(Product-Based Neural Networks)算法是在Embedding的基础上, 对Embedding的结果进行...