Conv2D 属性 Conv2D class paddle.fluid.dygraph. Conv2D (name_scope, num_filters, filter_size, stride=1, padding=0, dilation=1, groups=None, param_attr=None, bias_attr=None, use_...

五、分子指纹GCN 5.1 模型 5.1.1 圆形指纹算法 5.1.2 分子指纹GCN算法 5.1.3 限制 5.2 实验 5.2.1 随机权重 5.2.2 可解释性 5.2.3 模型比较 五、分子指纹GCN 在材料设计领域的最新工作已经将神经网络用于材料筛选，其任务是通过学习样本来预测新型分子的特性。预测分子特性通常需要将分子图作...

池化 1. pool2d/pool3d 2. roi_pool 3. sequence_pool 池化 池化的作用是对输入特征做下采样和降低过拟合。降低过拟合是减小输出大小的结果，它同样也减少了后续层中的参数的数量。 池化通常只需要将前一层的特征图作为输入，此外需要一些参数来确定池化具体的操作。在PaddlePaddle中我们同样通过设定池化...

15. 其它特征和杂项 15. 其它特征和杂项 15.1. 数学特征 15.2. 范围操作符 15.3. 进阶：转义和! 15.4. Velocimacro 杂记 15.5. 字符串联

VMess 传出协议配置 {#outbound} 传入协议配置 {#inbound} 小贴士 {#tip} VMess VMess 是一个加密传输协议，它分为传入和传出两部分，通常作为 V2Ray 客户端和服务器之间的桥梁。 名称：vmess 类型：Inbound / Outbound 传出协议配置 {#outboun...

MinMaxScaler MinMaxScaler   MinMaxScaler 转换由向量行组成的数据集,将每个特征调整到一个特定的范围(通常是[0,1] )。它有下面两个参数: min :默认是0。转换的下界,被所有的特征共享。 max :默认是1。转换的上界,被所有特征共享。   MinMaxScaler 计算数据集上的概要统计数据,产生...

零信任网络 零信任安全模型的特征 Google 的实践探索 零信任网络 长期以来，主流的网络安全观念提倡根据某类与宿主机相关的特征，譬如机器所处的位置，或者机器的 IP 地址、子网等，把网络划分为不同的区域，不同的区域对应于不同风险级别和允许访问的网络资源权限，将安全防护措施集中部署在各个区域的边界之上，重点关注跨区域的网络流量。我们熟知的 VPN...

池化 1. pool2d/pool3d 2. roi_pool 3. sequence_pool 池化 池化的作用是对输入特征做下采样和降低过拟合。降低过拟合是减小输出大小的结果，它同样也减少了后续层中的参数的数量。 池化通常只需要将前一层的特征图作为输入，此外需要一些参数来确定池化具体的操作。在PaddlePaddle中我们同样通过设定池化...

卷积 2D/3D卷积 1. 卷积输入参数： 1D序列卷积 卷积 卷积有两组输入：特征图和卷积核，依据输入特征和卷积核的形状、Layout不同、计算方式的不同，在Fluid里，有针对变长序列特征的一维卷积，有针对定长图像特征的二维(2D Conv)、三维卷积(3D Conv)，同时也有卷积计算的逆向过程，下面先介绍Fluid里的2D/3D卷积，再...