书栈网 · BookStack 本次搜索耗时 0.058 秒,为您找到 836 个相关结果.
  • Metrics

    Metrics Core metric flatten_check [source] class AccumMetric [source] skm_to_fastai [source] optim_metric [source] Single-label classification accuracy [source] e...
  • Pets Tutorial

    Tutorial - Assemble the data on the pets dataset Overview Processing data Transform Pipeline Loading the pets dataset using only Transform Using decodes for showing processed...
  • Reinforcement Learning (DQN) Tutorial

    强化学习 (DQN) 教程 回放内存 DQN 算法 Q-网络 获取输入 训练 超参数和配置 训练循环 强化学习 (DQN) 教程 译者:平淡的天 作者 : Adam Paszke 本教程将展示如何使用 PyTorch 在OpenAI Gym 的任务集上训练一个深度Q学习 (DQN) 智能点。 任务 智能点需要决定...
  • 9.6 目标检测数据集(皮卡丘)

    9.6 目标检测数据集(皮卡丘) 9.6.1 下载数据集 9.6.2 读取数据集 9.6.3 图示数据 小结 参考文献 9.6 目标检测数据集(皮卡丘) 在目标检测领域并没有类似MNIST或Fashion-MNIST那样的小数据集。为了快速测试模型,我们合成了一个小的数据集。我们首先使用一个开源的皮卡丘3D模型生成了1000张不同角度和大小...
  • 空间转换网络 (Spatial Transformer Networks) 教程

    空间转换网络 (Spatial Transformer Networks) 教程 读数据 描述空间转换网络 (spatial transformer networks) 训练模型 可视化空间转换网络 (STN) 的结果 空间转换网络 (Spatial Transformer Networks) 教程 译者:@Twinkle 原作者 ...
  • Consistent & Mirrored View

    Consistent & Mirrored View Data Parallelism and Model Parallelism. Data Parallelism Diagram Model Parallelism Diagram Two Types of Placeholder Using Mirrored View in OneFlow Co...
  • Going Deeper into fastai’s Layered API

    494 2021-03-31 《The fastai book》
    Going Deeper into fastai’s Layered API Transforms Writing Your Own Transform Pipeline Going Deeper into fastai’s Layered API The fastai library is built on a layered API. In...
  • 对抗性示例生成

    对抗性实例生成 威胁模型 快速梯度符号攻击 实现 输入 受到攻击的模型 FGSM攻击 测试功能 运行攻击 结果 Accuracy vs Epsilon 对抗示例 下一步去哪里? 对抗性实例生成 作者 : Nathan Inkawhich 译者:片刻 校验:片刻 如果您正在阅读本文,希望您能体会到某些机器学习模...
  • How to contribute

    Development Prerequisites Install requirements Install Knative on a Kubernetes cluster Setup your environment Checkout your fork Deploy KServe Check Knative Serving installati...
  • Developers Guide

    Pull requests made easy One time only setup Setting up access and gh Set up fastcore Set up fastai Creating your PR Post-PR steps Pull requests made easy Making your f...