hub.strategy Class hub.finetune.strategy.AdamWeightDecayStrategy Class hub.finetune.strategy.DefaultFinetuneStrategy Class hub.finetune.strategy.L2SPFinetuneStrategy Class hu...

结尾 结尾 感谢你阅读本书。通过本书，我们通过来实现一个Android App的例子来学习Kotlin。这个天气预报的App是一个不错的例子，它实现了大部分App需要的一些基本特性：一个主/从UI，通过API通信，数据库存储，shared preferences…… 用这个方式不错的地方是你使用它们的使用学习到了大部分的Kotlin中重要的概念。我...

Fluid 模型库 图像分类 目标检测 图像语义分割 图像生成 场景文字识别 度量学习 视频分类 语音识别 机器翻译 强化学习 中文词法分析 情感倾向分析 语义匹配 AnyQ 机器阅读理解 个性化推荐 Fluid 模型库 图像分类 图像分类是根据图像的语义信息对不同类别图像进行区分，是计算机视觉中重要的基础问题，是...

向量的数学运算 1、特殊向量 2、向量大小计算 3、向量的方向 4、向量与标量的运算 5、向量标准化 6、向量加法 7、向量减法 8、向量点乘 9、向量叉乘 向量的数学运算 向量的计算主要借助 “线性代数” 1、特殊向量 零向量： 向量的所有分量都是 0 几何意义：用于表达参考坐标系的原始点...

定投 —— 大佬的自我修养 5. 为什么只有很少的人使用定投这么神奇的策略 定投 —— 大佬的自我修养 —— 让时间陪你慢慢变富…… 李笑来 二〇一九年七月 普通人错过这本书的“踏空成本”无限大…… https://b.watch 5. 为什么只有很少的人使用定投这么神奇的策略 读到这里的时候，你必然会越来越好奇，甚至干脆是狐疑...

Growth: 全栈增长工程师指南 关于作者 全栈工程师是未来 技术的革新史 CGI MVC架构 后台服务化与前端一致化架构 软件开发的核心难题：沟通 瀑布式 敏捷式 大公司的专家与小公司的全栈 两种不同的学习模型 解决问题的思路：不同的方式 全栈工程师的未来：无栈 全栈的短板 无栈 Growth: 全栈增长工程师指南 ...

第1章 机器学习基础 机器学习 概述 机器学习 研究意义 机器学习 场景 机器学习 组成 主要任务 监督学习（supervised learning） 非监督学习（unsupervised learing） 强化学习 训练过程 算法汇总 机器学习 使用 机器学习 数学基础 机器学习 工具 Python语言 数学工具 附：机器学习...

Linux 操作系统的诞生 Linux 操作系统的诞生 1981 年IBM 公司推出享誉全球的微型计算机IBM PC。在1981-1991 年间，MS-DOS 操作系统一直是微型计算机上操作系统的主宰。此时计算机硬件价格虽然逐年下降，但软件价格仍然是居高不下。当时Apple 的MACs 操作系统可以说是性能最好的，但是其天价没人能够轻易靠近。 当时...

关于作者 Colophon 关于作者 萨尔瓦托·洛雷托（Salvatore Loreto），博士学位和工商管理硕士（在读），是芬兰爱立信研究部的高级研究员。 他主要从事与 Internet 相关的标准化，研究项目和策略（尤其是 VoIP，Web 通信和机器对机器 (machine-to-machine) [M2M]技术）。 自 2000 年以来，他...

无监督预训练使用栈式自编码器 正如我们在第 11 章中讨论的那样，如果您正在处理复杂的监督任务，但您没有大量标记的训练数据，则一种解决方案是找到执行类似任务的神经网络，然后重新使用其较低层。 这样就可以仅使用很少的训练数据来训练高性能模型，因为您的神经网络不必学习所有的低级特征；它将重新使用现有网络学习的特征检测器。 同样，如果您有一个大型数据集，但大...