分类
发现
榜单
服务器优惠
AI论文
免费AI编程助手
搜索
注册
登录
分类
发现
榜单
服务器优惠
AI论文
免费AI编程助手
搜索
注册
登录
搜索
书栈网 · BookStack
本次搜索耗时
0.019
秒,为您找到
31624
个相关结果.
搜书籍
搜文档
2 Tensorflow on Kubernetes
865
2020-06-29
《KubeOperator v2.4 使用教程》
2 Tensorflow on Kubernetes 2.1 在 K8s 中安装 Tensorflow 2.2 运行 Tensorflow 深度学习示例 2.2.1 打开 Jupter 终端 2.2.2 使用 PIP 下载 KERAS 2.2.3 示例代码实现 2.2.4 运行深度学习服务 2 Tensorflow on Kubernet...
2 Tensorflow on Kubernetes
840
2020-06-29
《KubeOperator v2.3 使用教程》
2 Tensorflow on Kubernetes 2.1 在 K8s 中安装 Tensorflow 2.2 运行 Tensorflow 深度学习示例 2.2.1 打开 Jupter 终端 2.2.2 使用 PIP 下载 KERAS 2.2.3 示例代码实现 2.2.4 运行深度学习服务 2 Tensorflow on Kubernet...
优化器
1508
2019-03-02
《PaddlePaddle 1.3(fluid) 使用文档》
优化器 1.SGD/SGDOptimizer 2.Momentum/MomentumOptimizer 3. Adagrad/AdagradOptimizer 4.RMSPropOptimizer 5.Adam/AdamOptimizer 6.Adamax/AdamaxOptimizer 7.DecayedAdagrad/ DecayedAdag...
官方教程
748
2020-12-31
《GoFrame v1.14 开发文档》
官方推荐以下四种形式的学习方式: 买本Golang 相关书籍,系统学习下基础。 翻翻GoFrame 的官方文档,这些文档都是花费了数年时间不断沉淀,并且持续保持更新。 看看GoFrame 框架的源代码,由于是模块化设计的,因此你可以逐个模块去学习,并想想为什么这么实现。 最后,可以在QQ 群及微信群问问其他小伙伴,相互探讨、相互学习,但是注意提问的技巧...
PyTorch 0.3 中文文档 & 教程
2570
2020-03-05
《PyTorch 0.3 中文文档 & 教程》
PyTorch 0.3 中文文档 & 教程 目录结构 PyTorch 0.3 中文文档 & 教程 维护组织:@ApacheCN 协议:CC BY-NC-SA 4.0 欢迎任何人参与和完善:一个人可以走的很快,但是一群人却可以走的更远。 在线阅读 ApacheCN 学习资源 PyTorch 中文翻译组 | ApacheCN 71...
GoFrame社区教程
757
2023-02-03
《GoFrame v2.3 开发文档》
一、Golang学习 二、GoFrame学习 王中阳的学习专栏 狐狸大佬学习专栏 基础教程-快速入门 实战教程-登录篇 开发工具链 正则表达式 代码地址 一、Golang学习 基本介绍,安装部署,运行第一个程序及基础介绍,开发工具介绍,go module ,基础语法,常用数据结构,函数介绍,指针,结构体,接口,错误处理,协程,通道,通道...
Angel中优化器
1625
2019-08-25
《Angel v3.0 全栈机器学习平台文档》
Angel中的优化器 1. SGD 2. Momentum 3. AdaGrad 4. AdaDelta 5. Adam 4. FTRL Angel中的优化器 机器学习的优化方法多种多样, 但在大数据场景下, 使用最多的还是基于SGD的一系列方法. 在Angel中目前只实现了少量的最优化方法, 如下: 基于随机梯度下降的方法 SDG:...
了解通用前端开发
866
2020-01-13
《前端开发者指南 2018》
学习前端开发 概要学习: 前端时事通讯, & 播客: 学习前端开发 概要学习: 成为一名前端开发者 [观看][$付费] 成为一名 Web 开发者 [阅读] 前端开发基础 [观看] freeCodeCamp [交互] 前端课程 [阅读] 精通前端开发 [观看][$付费] 前端开发纳米学位 [观看][$付费] 开启 Web 前端开...
2.7 偏差与方差
2223
2019-11-07
《周志华《机器学习》学习笔记》
2.7 偏差与方差 2.7 偏差与方差 偏差-方差分解是解释学习器泛化性能的重要工具。在学习算法中,偏差指的是预测的期望值与真实值的偏差,方差则是每一次预测值与预测值得期望之间的差均方。实际上,偏差体现了学习器预测的准确度,而方差体现了学习器预测的稳定性。通过对泛化误差的进行分解,可以得到: 期望泛化误差=方差+偏差 偏差刻画学习器...
1..
«
86
87
88
89
»
..100