榜单
服务器优惠
AI论文
-
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... -
下载和编译
Angel编译指南 Angel编译指南 编译环境依赖 Jdk >= 1.8 Maven >= 3.0.5 Python >=3.6 如果要运行PyAngel Protobuf >= 2.5.0 需与hadoop环境自带的protobuf版本保持一致。目前hadoop官方发布包使用的是2.5.0版本，所以推荐使用2.5.0版本，除非你自己... -
Deep Learning Architexture
Angel中的计算图 Angel中的层 Angel中优化器 Angel中的损失函数 Angel中的传输函数 -
Deep Neural Network(DNN)
DNN 1. Json定义网络 1.1 输入层的定义 1.2 FCLayer的定义 1.3 损失层的定义 2. 数据相关参数的定义 3. 定义模型相关参数 4. 定义训练参数 5. 将所有配置放在一起 6. 提效脚本 DNN DNN是每个深度学习平台第一个要支持的算法. Angel作为一个深度学习平台, 并没有内置DNN的实现, 但... -
C/C++接口
C/C++接口 PSAgent初始化和启动 Matrix操作 当前主流的深度学习库，一般使用C/C++来实现，为了让它们能使用Angel作为参数服务器，Angel需要提供C/C++接口，让深度学习框架，可以从它们内部，启动Angel并调用相应接口，实现深度学习的参数服务器。 Angel目前基于Java实现，目前已经实现了一个基本的可以启动PSAge... -
Neural Factorization Machine(NFM)
NFM 1. 算法介绍 1.1 BiInteractionCross层的说明 1.2 其它层说明 1.3 网络构建 2. 运行与性能 2.1 Json配置文件说明 2.2 提交脚本说明 NFM 1. 算法介绍 NFM(Neural Factorization Machines)算法是在Embedding的基础上, 对Embeddin... -
Deep Factorization Machine(DeepFM)
DeepFM 1. 算法介绍 1.1 Embedding与BiInnerSumCross层的说明 1.2 其它层说明 1.3 网络构建 2. 运行与性能 2.1 Json配置文件说明 2.2 提交脚本说明 DeepFM 1. 算法介绍 DeepFM算法是在FM(Factorization machine)的基础上加入深度层构成. 与... -
shelf Integration
shelf Usage embedShelf Communicating with Angel with embedShelf AngelShelf shelf Shelf interop with Angel. This package lets you run package:shelf handlers via a custo... -
Softmax Regression
SoftMax Regression 1. 算法介绍 SoftMax Regression 2. SoftMax on Angel 3. 运行和性能 数据格式 参数 提交命令 性能 SoftMax Regression Softmax回归也称为多元逻辑回归，既通过逻辑回归算法处理多分类问题。不同于二元逻辑回归，softmax可归可处... -
MLRunner
MLRunner 功能 核心方法 MLRunner Angel算法的启动入口类。它定义了启动Angel任务的标准流程，封装了对 AngelClient 的使用。 功能 通过调用AngelClient ，启动Angel ps，加载和存储模型，完成Task等一系列动作，完成机器学习任务的默认实现 一般情况下，应用程序直接调用它的默认实...