QuantileDiscretizer 例子 QuantileDiscretizer   QuantileDiscretizer 输入连续的特征列,输出分箱的类别特征。分箱数是通过参数numBuckets 来指定的。箱的范围是通过使用近似算法(见approxQuantile )来得到的。近似的精度可以通过relativeError 参数来控制。当...

Conv1DTranspose 使用本API的教程文档 Conv1DTranspose class paddle.nn. Conv1DTranspose ( in_channels, out_channels, kernel_size, stride=1, padding=0, output_padding=0, groups=1, dilatio...

带权最小二乘 1 原理 2 代码解析 2.1 求解过程 带权最小二乘 1 原理   给定n个带权的观察样本$(w_i,a_i,b_i)$: $w_i$表示第i个观察样本的权重； $a_i$表示第i个观察样本的特征向量； $b_i$表示第i个观察样本的标签。   每个观察样本的特征数是m。我们使用下面的带权最小二乘公式作为目标函数： ...

roi_pool roi_pool paddle.fluid.layers. roi_pool ( input, rois, pooled_height=1, pooled_width=1, spatial_scale=1.0 ) [源代码] 该OP实现了roi池化操作，对非均匀大小的输入执行最大池化，以获得固定大小的特征映射(例如7*7)。 ...

prroi_pool prroi_pool paddle.fluid.layers. prroi_pool ( input, rois, output_channels, spatial_scale, pooled_height, pooled_width, name=None ) [源代码] PRROIPool运算 精确区域池化方法（Prec...

图像分类 说明: 背景介绍 效果展示 模型概览 CNN VGG GoogLeNet ResNet 数据准备 模型结构 Paddle 初始化 VGG ResNet Inference Program 配置 Train Program 配置 Optimizer Function 配置 训练模型 Data Feeders 配置 T...

图像分类 背景介绍 效果展示 模型概览 CNN VGG GoogleNet ResNet 数据准备 模型结构 Paddle 初始化 VGG ResNet Infererence Program 配置 Train Program 配置 Optimizer Function 配置 训练模型 Data Feeders 配置 Trai...

什么是操作系统 站在一万米的代码空间维度看 站在计算机发展的百年时间尺度看 寒武纪生物大爆发时代 泥盆纪鱼类时代和二叠纪两栖动物时代 侏罗纪与白垩纪的爬行动物时代 古近纪哺乳动物时代 第四纪智人时代 二十一世纪神人时代 什么是操作系统 站在一万米的代码空间维度看 现在的通用操作系统是一个复杂的系统软件，比如 Linux 操作系统达...

线性回归 在第一章，我们介绍了一个简单的生活满意度回归模型: 这个模型仅仅是输入量GDP_per_capita 的线性函数， 和 是这个模型的参数，线性模型更一般化的描述指通过计算输入变量的加权和，并加上一个常数偏置项（截距项）来得到一个预测值。如公式 4-1： 公式 4-1：线性回归预测模型 表示预测结果 表示特征的个数 表示第...