榜单
开搜AI搜索
服务器优惠
AI论文
-
9.1 图像增广
9.1 图像增广 9.1.1 常用的图像增广方法 9.1.1.1 翻转和裁剪 9.1.1.2 变化颜色 9.1.1.3 叠加多个图像增广方法 9.1.2 使用图像增广训练模型 9.1.2.1 使用图像增广训练模型 小结 9.1 图像增广 在5.6节（深度卷积神经网络）里我们提到过，大规模数据集是成功应用深度神经网络的前提。图像增广（im... -
git notes
git Notes How to Make a Pull Request (PR) Helper Program Step 1. Start With a Synced Fork Checkout 1a. First time 1b. Subsequent times Step 2. Create a Branch Step 3. Prepare ... -
Torchvision 模型微调
Torchvision模型微调 输入 辅助函数 模型训练和验证代码 设置模型参数的.requires_grad属性 初始化和重塑网络 Resnet Alexnet VGG Squeezenet Densenet Inception v3 Load Data 创建优化器 运行训练和验证 与从头开始训练模型比较 最后的想法及下一步 ... -
Introduction to Katib
Introduction to Katib Hyperparameters and hyperparameter tuning Neural architecture search Alpha version The Katib project Katib interfaces Katib concepts Experiment Suggest... -
静态图的两种模式
静态图的两种模式 静态图的两种模式 在前面的 动态图与静态图 中，我们介绍了静态图的优点，以及如何使用 trace 功能实现动静态图的转换。本节中，我们进一步介绍静态图的两种模式。 使用 trace 装饰一个训练（或者测试）函数时，可以指定 symbolic 参数，示例代码如下: @trace ( symbolic = Tr... -
BentoML
BentoML Out of date Prerequisites Build an iris classifier model server with BentoML Deploy model server to Kubernetes Send prediction request Monitor metrics with Prometheus... -
Introduction
Introduction scikit-learn (sklearn) 官方文档中文版 维护地址 目录 贡献指南 项目负责人 项目协议 建议反馈 赞助我们 Introduction scikit-learn (sklearn) 官方文档中文版 scikit-learn 是基于 Python 语言的机器学习工具 简单高效的数据... -
Image
Image" level="1"> Image Image is ndarray Load image data Simple image processing Display image sprite Segment large complicated image into small ones Image" class="refere... -
BentoML
BentoML Out of date Prerequisites Build an iris classifier model server with BentoML Deploy model server to Kubernetes Send prediction request Monitor metrics with Prometheus...