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...

最大范数正则化 另一种在神经网络中非常流行的正则化技术被称为最大范数正则化：对于每个神经元，它约束输入连接的权重w ，使得 ，其中r 是最大范数超参数， 是 l2 范数。 我们通常通过在每个训练步骤之后计算 来实现这个约束，并且如果需要的话可以剪切W 。 减少r 增加了正则化的数量，并有助于减少过拟合。 最大范数正则化还可以帮助减轻梯度消失/爆炸...

准备数据 准备数据 本章详细介绍了如何为神经网络提供数据，包括数据的前期处理与后期的同步、异步读取。 由于声明式编程模式（静态图）与命令式编程模式（动态图）在执行机制上存在差异，这两种模式在数据读取上也略有差别，此处将分别进行介绍： 声明式编程模式（静态图）数据准备 ：介绍声明式编程模式（静态图）下的同步异步数据读取方法 命令式编程模式（动态...

9.11. 样式迁移 9.11.1. 方法 9.11.2. 读取内容图像和样式图像 9.11.3. 预处理和后处理图像 9.11.4. 抽取特征 9.11.5. 定义损失函数 9.11.5.1. 内容损失 9.11.5.2. 样式损失 9.11.5.3. 总变差损失 9.11.5.4. 损失函数 9.11.6. 创建和初始化合成图像 9....

ResNet ​最后是，2015 年 ILSVRC 挑战赛的赢家 Kaiming He 等人开发的 Residual Network（或 ResNet），该网络的 top-5 误率低到惊人的 3.6%，它使用了一个非常深的 CNN，由 152 层组成。 能够训练如此深的网络的关键是使用跳过连接（skip connection，也称为快捷连接）：一个层的...

Wide & Deep 环境和准备 软件要求 数据准备 OneFlow-WDL脚本 运行OneFlow-WDL脚本 测试结果及说明 多GPU性能测试 batch size=16384每卡，多卡性能测试 单GPU卡不同batch size性能测试 超大词表测试 收敛性测试1 收敛性测试2 Wide & Deep HugeCTR 是...

静态图模块 nn.Graph OneFlow 的 Eager 模式 OneFlow 的 Graph 模式 自定义一个 Graph 使用 Graph 做预测 使用 Graph 做训练 Graph 调试 扩展阅读：动态图与静态图 相关链接 静态图模块 nn.Graph 目前，深度学习框架中模型的运行方式主要有两种，即 动态图 与 静态图 ...

模型压缩 — PaddleSlim 功能 安装 使用 部分压缩策略效果 分类模型 图像检测模型 数据：Pascal VOC；模型：MobileNet-V1-YOLOv3 数据：COCO；模型：MobileNet-V1-YOLOv3 搜索 模型压缩 — PaddleSlim PaddleSlim是一个模型压缩工具库，包含模型剪裁、定点...

模型压缩 功能 安装 使用 部分压缩策略效果 分类模型 图像检测模型 数据：Pascal VOC；模型：MobileNet-V1-YOLOv3 数据：COCO；模型：MobileNet-V1-YOLOv3 搜索 模型压缩 PaddleSlim是一个模型压缩工具库，包含模型剪裁、定点量化、知识蒸馏、超参搜索和模型结构搜索等一系列模型压...