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
0.024
秒,为您找到
116316
个相关结果.
搜书籍
搜文档
Differentiable programming (WIP)
781
2020-10-26
《Taichi(太极) 0.6.24 编程语言文档》
Differentiable programming (WIP) Differentiable programming (WIP) This page is work in progress. Please check out the DiffTaichi paper and video to learn more about Taichi di...
安全
1464
2020-06-11
《Go语言中文文档》
1. 安全 1. 安全 用于帮助使您的应用程序更安全的库。 acmetool - A具有自动续订功能的ACME(让我们加密)客户端工具。 acra - 网络加密代理,可保护基于数据库的应用程序免遭数据泄漏:强大的选择性加密,SQL注入预防,入侵检测系统。 argon2pw - 具有恒定时间密码比较的Argon2密码哈希生成。 au...
Word2Vec
926
2019-12-19
《阿里巴巴 Alink v1.0.1 使用手册》
功能介绍 参数说明 脚本示例 脚本代码 脚本运行结果 预测结果 功能介绍 Word2Vec是Google在2013年开源的一个将词表转为向量的算法,其利用神经网络,可以通过训练,将词映射到K维度空间向量,甚至对于表示词的向量进行操作还能和语义相对应,由于其简单和高效引起了很多人的关注。 Word2Vec的工具包相关链接:https://c...
09.18 Theano tensor 模块:nnet 子模块
1351
2019-01-17
《中文 Python 笔记》
Theano tensor 模块:nnet 子模块 Sigmoid 函数 其他 损失函数 Theano tensor 模块:nnet 子模块 nnet 是 tensor 模块中与神经网络 Neural Networks 相关的子模块。 In [1]: import theano from theano impor...
Word2Vec
555
2020-06-29
《阿里巴巴 Alink v1.1.2 使用手册》
功能介绍 参数说明 脚本示例 脚本代码 脚本运行结果 预测结果 功能介绍 Word2Vec是Google在2013年开源的一个将词表转为向量的算法,其利用神经网络,可以通过训练,将词映射到K维度空间向量,甚至对于表示词的向量进行操作还能和语义相对应,由于其简单和高效引起了很多人的关注。 Word2Vec的工具包相关链接:https://c...
不可靠的网络
2003
2020-01-05
《设计数据密集型应用 - 中文翻译》
不可靠的网络 真实世界的网络故障 网络分区 检测故障 超时与无穷的延迟 网络拥塞和排队 TCP与UDP 同步网络 vs 异步网络 我们不能简单地使网络延迟可预测吗? 延迟和资源利用 不可靠的网络 正如在第二部分的介绍中所讨论的那样,我们在本书中关注的分布式系统是无共享的系统,即通过网络连接的一堆机器。网络是这些机器可以通信...
新建项目
909
2020-06-11
《Go语言中文文档》
1. 新建项目 2. 创建项目 2.1. 运行项目 1. 新建项目 2. 创建项目 beego 的项目基本都是通过 bee 命令来创建的,所以在创建项目之前确保你已经安装了 bee 工具和 beego。如果你还没有安装,那么请查阅 beego 的安装 和 bee 工具的安装。 现在一切就绪我们就可以开始创建项目了,打开终端,进入 $GO...
在MXNet中使用VisualDL
1126
2019-07-26
《VisualDL 使用文档》
在MXNet中使用VisualDL 安装MXNet 安装VisualDL 开始编写训练MNIST的程序 用VisualDL展示模型图 在MXNet中使用VisualDL 下面我们演示一下如何在MXNet中使用VisualDL,从而可以把MXNet的训练过程以及最后的模型可视化出来。我们将以MXNet用卷积神经网络(CNN, Convoluti...
构建数据读取器
989
2020-05-04
《百度架构师手把手带你零基础入门深度学习》
构建数据读取器 构建数据读取器 至此我们已经分别处理了用户、电影和评分数据,接下来我们要利用这些处理好的数据,构建一个数据读取器,方便在训练神经网络时直接调用。 首先,构造一个函数,把读取并处理后的数据整合到一起,即在rating数据中补齐用户和电影的所有特征字段。 def get_dataset ( usr_info , rating_in...
1..
«
88
89
90
91
»
..100