榜单
服务器优惠
AI论文
-
十、Normalization
十、Normalization 10.1 batch normalization 10.1.1 白化 10.1.2 深层网络的参数更新 10.1.3 BN 算法 10.1.4 BN 内部原理 10.1.5 BN 性质 10.2 其它 normalization 10.2.1 layer normalization 10.2.2 instance... -
设计理念
Angel的设计理念 灵活性 性能 易用性 扩展性 稳定 Angel的设计理念 Angel的整体设计理念，是简约而不简单 ，做一个灵活而强大的参数服务器，并在此之上，提供多种机器学习算法，和PS服务，扩展为一个分布式机器学习平台。 因此，在开发之时，Angel从如下5个方向，对整体进行了改进和设计，并在它们之间进行了平衡。包括： 易... -
绘制训练误差曲线
绘制训练误差曲线 绘制训练误差曲线 随着训练集大小的增加，开发集（和测试集）误差应该会降低，但你的训练集误差往往会随之增加。 让我们来举例说明一下。假设你的训练集只有两个样本：一张猫图和一张非猫图。学习算法很轻易地就可以“记住”训练集中这两个样本，并且训练集错误率为 0%. 即使有一张或两张的样本图片被误标注了，算法也能够轻松地记住它们。 现在假... -
八、GraphSage
八、GraphSage 8.1 模型 8.1.1 前向传播 8.1.2 邻域 8.1.3 聚合函数 8.1.4 模型学习 8.1.5 GraphSage VS Weisfeiler-Lehman 8.1.6 mini-batch 训练 8.2 实验 8.3 DeepWalk embedding 旋转不变性 八、GraphSage ... -
第一节 Java 编程基础
第一节 Java 编程基础 纸质书籍 电子教程 API 文档 关于 第一节 Java 编程基础 出于对教学质量和学习效率的考量，我们决定不直接提供 Java 编程基础的教学，取而代之的是我们推荐的高质量教材： 纸质书籍 《Java 核心技术》 上下共两卷。 Java 领域最有影响力和价值的著作之一，由拥有20多年教学与研究经验的资... -
项目概览
项目概览 欢迎来到机器学习房地产公司！你的第一个任务是利用加州普查数据，建立一个加州房价模型。这个数据包含每个街区组的人口、收入中位数、房价中位数等指标。 街区组是美国调查局发布样本数据的最小地理单位（一个街区通常有 600 到 3000 人）。我们将其简称为“街区”。 你的模型要利用这个数据进行学习，然后根据其它指标，预测任何街区的的房价中位数。 ... -
雪山凌狐与开源指北的故事
我与开源指北的故事 前言 关于我 关于开源指北项目 邂逅开源指北 为什么决定参与贡献 编写之路漫漫 编写准备 初尝甜头 完善补充 阅读我主编的章节 参与后的收获或提升 技术精进 广交新友 奖品满载而归 写给想参与开源的你 我与开源指北的故事 前言 关于我 我是雪山凌狐 ，一位希望对这个世界做点贡献的开源爱好者。擅... -
数学（Math）节点
数学（Math）节点 输入 属性 输出 示例 自定义Z深度通道节点设置 使用正弦功能得到不断循环的变化数 提亮（缩放）通道 重新限定颜色选择（色调分离） 数学（Math）节点 运算节点 的功能是执行数学运算。 输入 节点的输入值是动态可变的。某些输入插口类型只适合和某类数学运算符搭配使用。比如， “相加” 输入值与 “乘后相加”...