Tensor 张量 创建 Tensor 直接从数据创建 通过 Numpy 数组创建 通过算子创建 Tensor 与 tensor 的区别 Tensor 的属性 操作 Tensor 的常见算子 Tensor 张量 神经网络中的数据，都存放在 Tensor 中，Tensor 类似多维数组或者数学上的矩阵。OneFlow 提供了很多用于操作...

Conv2DTranspose 属性 Conv2DTranspose class paddle.fluid.dygraph. Conv2DTranspose (num_channels, num_filters, filter_size, output_size=None, padding=0, stride=1, dilation=1, gro...

同步数据读取 数据层配置 传递训练数据给执行器 进阶使用 如何传入序列数据 如何分别设置ParallelExecutor中每个设备的训练数据 自定义BatchSize维度 Fluid目前支持的数据类型 同步数据读取 PaddlePaddle Fluid支持使用 fluid.layers.data() 配置数据层；再使用 Numpy A...

根据用户喜好推荐电影 1. 读取特征向量 2. 计算用户和所有电影的相似度，构建相似度矩阵 3. 对相似度排序，选出最大相似度 4.加入随机选择因素，使得每次推荐的结果有“新鲜感” 几点思考收获 在工业实践中的推荐系统 作业 10-3 作业1：设计并完成两个推荐系统，根据相似用户推荐电影（user-based）和 根据相似电影推荐电影（item...

5.8 网络中的网络（NiN） 5.8.1 NiN块 5.8.2 NiN模型 5.8.3 获取数据和训练模型 小结 参考文献 5.8 网络中的网络（NiN） 前几节介绍的LeNet、AlexNet和VGG在设计上的共同之处是：先以由卷积层构成的模块充分抽取空间特征，再以由全连接层构成的模块来输出分类结果。其中，AlexNet和VGG对LeN...

混合精度 概述 计算流程 自动混合精度 手动混合精度 混合精度 概述 混合精度训练方法通过混合使用单精度和半精度数据格式来加速深度神经网络训练过程，同时保持了单精度训练所能达到的网络精度。混合精度训练能够加速计算过程，同时减少内存使用和存取，并在特定的硬件上可以训练更大的模型或batch size。 计算流程 MindSpore混合...

3、目标和方法 本书假定你对机器学习几乎一无所知。它的目标是给你实际实现能够从数据中学习的程序所需的概念，直觉和工具。 我们将介绍大量的技术，从最简单的和最常用的（如线性回归）到一些定期赢得比赛的深度学习技术。 我们将使用现成的 Python 框架，而不是实现我们自己的每个算法的玩具版本： Scikit-learn 非常易于使用，并且实现了许多有...

单阶段目标检测模型YOLO-V3 YOLO-V3 模型设计思想 产生候选区域 生成锚框 生成预测框 对候选区域进行标注 标注锚框是否包含物体的objectness标签 标注预测框的位置坐标标签 标注锚框包含物体类别的标签 标注锚框的具体程序 卷积神经网络提取特征 根据输出特征图计算预测框位置和类别 建立输出特征图与预测框之间的关联 计算...