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...

支持平台 支持语言 概览 安装指南 使用指南 License 贡献代码 联系方式 Click me switch to English version Metis 这个名字取自希腊神话中的智慧女神墨提斯（Metis），它是一系列AIOps领域的应用实践集合。主要解决在质量、效率、成本方面的智能运维问题。当前版本开源的时间...

Carmack平方根函数经典案例 Carmack平方根函数经典案例 作者： nieyong 编者注：在Crazepony飞控代码姿态解算融合中，有一个只有短短不到十行的函数，求解平方根的倒数。该函数是著名的Carmack平方根求解算法，拥有极高的运算效率，堪称经典。本文就介绍该函数背后的故事，由Craze团队-nieyong整理编辑。 首先...

九、参数初始化策略 9.1 权重初始化 9.2 偏置初始化 九、参数初始化策略 有些优化算法是非迭代的，可以直接解析求解最优解；有些优化算法是迭代的，但是它们是初始值无关的。 深度学习不具有这两类性质，通常是迭代的，且与初始值相关。 深度学习中，大多数算法都受到初始值的影响。初始值能够决定：算法最终是否收敛、以及收敛时的收敛速度有多快、以...