9.1 个体与集成 9.1 个体与集成 集成学习的基本结构为：先产生一组个体学习器，再使用某种策略将它们结合在一起。集成模型如下图所示： 在上图的集成模型中，若个体学习器都属于同一类别，例如都是决策树或都是神经网络，则称该集成为同质的（homogeneous）;若个体学习器包含多种类型的学习算法，例如既有决策树又有神经网络，则称该集成为异质...

五、强化学习 让我们在迷宫中放一个机器老鼠 马尔科夫决策过程 Q 学习：学习动作-分值函数 策略学习：状态到动作的映射 DQN，A3C，和深度 RL 中的进展 练习材料和扩展阅读 代码 阅读 + 讲义 到此为止了！ 五、强化学习 原文：Machine Learning for Humans, Part 5: Reinforceme...

MetricBase 方法 __init__(name) reset() update(preds,labels) eval() get_config() MetricBase class paddle.fluid.metrics.MetricBase (name)[源代码] 在评估神经网络效果的时候，由于我们常常需要把测试数据切分成...

MetricBase MetricBase class paddle.fluid.metrics.MetricBase ( name ) [源代码] 在评估神经网络效果的时候，由于我们常常需要把测试数据切分成mini-batch，并逐次将每个mini-batch送入神经网络进行预测和评估，因此我们每次只能获得当前batch下的评估结果，而并不能...

MetricBase MetricBase class paddle.fluid.metrics. MetricBase (name)[源代码] 在评估神经网络效果的时候，由于我们常常需要把测试数据切分成mini-batch，并逐次将每个mini-batch送入神经网络进行预测和评估，因此我们每次只能获得当前batch下的评估结果，而并不能...

L1 和 L2 正则化 就像你在第 4 章中对简单线性模型所做的那样，你可以使用 l1 和 l2 正则化约束一个神经网络的连接权重（但通常不是它的偏置）。 使用 TensorFlow 做到这一点的一种方法是简单地将适当的正则化项添加到您的损失函数中。 例如，假设您只有一个权重为weights1 的隐藏层和一个权重为weight2 的输出层，那么您可以像...

项目简介 Features Demo 原Domo目录 文档 设计文档 开发文档 贡献代码 模型获得 1. 直接使用Paddle Fluid训练 2. Caffe转为Paddle Fluid模型 3. ONNX 4. 部分测试模型和测试图片下载 问题解决 Copyright and License 旧版 Mobile-Deep-Le...