分类
发现
榜单
服务器优惠
AI论文
免费AI编程助手
搜索
注册
登录
分类
发现
榜单
服务器优惠
AI论文
免费AI编程助手
搜索
注册
登录
搜索
书栈网 · BookStack
本次搜索耗时
0.039
秒,为您找到
173565
个相关结果.
搜书籍
搜文档
getWeeklyVisitTrend
795
2019-12-06
《微信小程序服务端文档(201912)》
analysis.getWeeklyVisitTrend HTTPS 调用 请求地址 请求参数 返回值 Object 访问周期说明 请求数据示例 返回数据示例 云调用 接口方法 请求参数 返回值 Object 请求数据示例 返回数据示例 analysis.getWeeklyVisitTrend 本接口应在服务器端调用,详...
渠道转化
669
2019-07-08
《百度移动统计产品使用指南》
渠道转化 功能介绍 接口 请求参数 获取表格数据 指标 示例 请求 响应 渠道转化 功能介绍 获取渠道转化漏斗的漏斗图和转化图数据。 接口 https : //openapi.baidu.com/rest/2.0/mtj/svc/app/getDataByKey 请求参数 此处仅列本接口特有参数,公共参数请参...
natural_exp_decay
364
2021-06-06
《百度飞桨 PaddlePaddle v2.1 深度学习教程》
natural_exp_decay natural_exp_decay paddle.fluid.layers. natural_exp_decay ( learning_rate, decay_steps, decay_rate, staircase=False ) [源代码] 将自然指数衰减运用到初始学习率上。 训练模型时,在训练过程中降低...
第1章 醒悟
11224
2018-05-11
《把时间当作朋友》
第一章:醒悟 1. 孰主孰仆 2. 何谓心智 3. 我的案例 10元钱的收益 盲打是否值得学 小结 第一章:醒悟 1. 孰主孰仆 作为一个人,在这一生中可能遇到的最震撼的经历莫过于发现这样一个神奇的现象:我们竟然可以用自己的大脑控制自己的大脑。 我们可以用锤子去砸钉子。然而,我们却不可能用某一个锤子去砸同一个锤子,也不可能用某一个钉子去...
序列化
897
2018-05-03
《Django 中文文档 1.8》
序列化Django对象 序列化数据 字段子集 Inherited Models 继承模型 反序列化数据 序列化格式 XML JSON YAML 自然钥匙 自然键的反序列化 自然键的序列化 序列化期间的依赖关系 序列化Django对象 通常情况下,这种形式是基于文本的,它被用来发送Django的数据,当然,序列化处理的形式也有例...
基础入口
1097
2020-03-06
《百度智能小程序介绍(202003)》
基础入口 自然搜索-智能小程序单卡-初级卡 自然搜索-智能小程序搜索tab 自然搜索-语音直达 自然搜索-搜索词推荐直达 百度首页下拉(二楼)-大家都在用 个人中心-小程序推荐 智能小程序中心-搜索 智能小程序中心-热搜榜 基础入口 自然搜索-智能小程序单卡-初级卡 渠道说明:当用户在百度 App 中搜索输入的关键词命中小程序的相...
natural_exp_decay
356
2021-03-02
《百度飞桨 PaddlePaddle v2.0 深度学习教程》
natural_exp_decay natural_exp_decay paddle.fluid.layers.natural_exp_decay ( learning_rate, decay_steps, decay_rate, staircase=False ) [源代码] 将自然指数衰减运用到初始学习率上。 训练模型时,在训练过程中降低...
natural_exp_decay
503
2020-05-04
《PaddlePaddle(飞桨) v1.6 深度学习平台使用文档》
natural_exp_decay natural_exp_decay paddle.fluid.layers. natural_exp_decay (learning_rate, decay_steps, decay_rate, staircase=False)[源代码] 将自然指数衰减运用到初始学习率上。 训练模型时,在训练过程中降低...
词向量word2vec
1646
2020-05-04
《百度架构师手把手带你零基础入门深度学习》
在自然语言处理任务中,词向量(word2vec)是表示自然语言里单词的一种方法,即把每个词都表示为一个N维空间内的点,即一个高维空间内的向量。通过这种方法,实现把自然语言计算转换为向量计算。 如 图1 所示的词向量计算任务中,先把每个词(如queen,king等)转换成一个高维空间的向量,这些向量在一定意义上可以代表这个词的语义信息。再通过计算这些向量...
1..
«
5
6
7
8
»
..100