7.5 AdaGrad算法 7.5.1 算法 7.5.2 特点 7.5.3 从零开始实现 7.5.4 简洁实现 小结 参考文献 7.5 AdaGrad算法 在之前介绍过的优化算法中，目标函数自变量的每一个元素在相同时间步都使用同一个学习率来自我迭代。举个例子，假设目标函数为 ，自变量为一个二维向量 ，该向量中每一个元素在迭代时都使用...

9.5 多样性（diversity） 9.5 多样性（diversity） 在集成学习中，基学习器之间的多样性是影响集成器泛化性能的重要因素。因此增加多样性对于集成学习研究十分重要，一般的思路是在学习过程中引入随机性，常见的做法主要是对数据样本、输入属性、输出表示、算法参数进行扰动。 数据样本扰动 ，即利用具有差异的数据集来训练不同的基学习器...

深入RPC 支持新协议 原子指令 IO 线程模型简介 负载均衡 Locality-aware 一致性哈希 内存管理 Timer keeping bthread_id 深入RPC 深入理解bRPC。 支持新协议 学习如何添加一个新协议到bRPC。 原子指令 学习bRPC原子指令。 IO 学习bRPC IO。 线...

通过测试学习 Go 语言 背景 无效的方法 读书 解决一些问题 有效的方法 对我有效的方法 适用人群 准备工作 反馈 通过测试学习 Go 语言 图片由 Denise 创作 通过 Go 语言学习测试驱动开发 Read original English version online 通过编写测试学习 Go 语言 为测试驱...

Deeplearning Algorithms tutorial 机器学习步骤框架 机器学习 深度学习 机器学习算法概览 算法模型 机器学习的基础 参考书籍 机器学习 License Deeplearning Algorithms tutorial 最近以来一直在学习机器学习和算法，然后自己就在不断总结和写笔记，记...

如何使用本书 面向的读者 内容和结构 代码 讨论区 小结 练习 如何使用本书 本书将全面介绍深度学习从模型构造到模型训练的方方面面，以及它们在计算机视觉和自然语言处理中的应用。我们不仅将阐述算法原理，还将基于ApacheMXNet对算法进行实现，并实际运行它们。本书的每一节都是一个Jupyter记事本。它将文字、公式、图像、代码和运行结果...

PolynomialDecay PolynomialDecay class paddle.fluid.dygraph. PolynomialDecay (learning_rate, decay_steps, end_learning_rate=0.0001, power=1.0, cycle=False, begin=0, step=1, dty...

先修知识与符号说明 先修知识与符号说明 如果你有学习过机器学习相关课程（例如我在 Coursera 开设的机器学习 MOOC），或者有过监督学习的应用经验，这本书的内容对你而言则不难理解。 本书假设你熟悉监督学习（supervised learning） 概念，即使用标注（labeled）的训练样本 来学习一个从 映射到 的函数。监督学习算法...

ReduceOnPlateau ReduceOnPlateau class paddle.optimizer.lr.ReduceOnPlateau ( learning_rate, mode=’min’, factor=0.1, patience=10, threshold=1e-4, threshold_mode=’rel’, cooldown=...