资源监控工具 资源度量管道 完整度量管道 资源监控工具 要扩展应用程序并提供可靠的服务，你需要了解应用程序在部署时的行为。 你可以通过检测容器检查 Kubernetes 集群中的应用程序性能， Pods , 服务 和整个集群的特征。 Kubernetes 在每个级别上提供有关应用程序资源使用情况的详细信息。 此信息使你可以评估应用程序的性能，以...

12.2 过滤式选择（Relief） 12.2 过滤式选择（Relief） 过滤式方法是一种将特征选择与学习器训练相分离的特征选择技术，即首先将相关特征挑选出来，再使用选择出的数据子集来训练学习器。Relief是其中著名的代表性算法，它使用一个“相关统计量 ”来度量特征的重要性，该统计量是一个向量，其中每个分量代表着相应特征的重要性，因此我们最终...

[Spark on Angel] GBDT 1. GBDT在Spark on Angel上的实现 2 算法参数 3 算法Benchmark [Spark on Angel] GBDT GBDT(Gradient Boosting Decision Tree)的相关原理部分可以参考 1. GBDT在Spark on Angel上的实现 S...

[Spark on Angel] GBDT 1. GBDT在Spark on Angel上的实现 2 算法参数 3 算法Benchmark [Spark on Angel] GBDT GBDT(Gradient Boosting Decision Tree)的相关原理部分可以参考 1. GBDT在Spark on Angel上的实现 S...

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 ...

7.1. 大规模计算的策略: 更大量的数据 7.1.1. 使用外核学习实例进行拓展 7.1.1.1. 流式实例 7.1.1.2. 提取特征 7.1.1.3. 增量学习 7.1.1.4. 示例 7.1.1.5. 注释 7.1. 大规模计算的策略: 更大量的数据 校验者: @文谊 翻译者: @ゞFingヤ 对于一些应用程序，需要被处理的样...

conv2d_transpose conv2d_transpose 注意：该API仅支持【静态图】模式 paddle.fluid.layers. conv2d_transpose (input, num_filters, output_size=None, filter_size=None, padding=0, stride=1, dilat...

资源监控工具 资源度量管道 完整度量管道 资源监控工具 要扩展应用程序并提供可靠的服务，你需要了解应用程序在部署时的行为。 你可以通过检测容器检查 Kubernetes 集群中的应用程序性能， Pods , 服务 和整个集群的特征。 Kubernetes 在每个级别上提供有关应用程序资源使用情况的详细信息。 此信息使你可以评估应用程序的性能，以及...

6.4. 样本生成器 6.4.1. 分类和聚类生成器 6.4.1.1. 单标签 6.4.1.2. 多标签 6.4.1.3. 二分聚类 6.4.2. 回归生成器 6.4.3. 流形学习生成器 6.4.4. 生成器分解 6.4. 样本生成器 此外，scikit-learn 包括各种随机样本的生成器，可以用来建立可控制的大小和复杂性人工数据集...

wx.getBluetoothDevices(Object object) 参数 Object object object.success 回调函数 参数 Object res 错误 示例代码 注意事项 wx.getBluetoothDevices(Object object) 基础库 2.9.2 开始支持，低版本需做兼容处理 。 ...