深度学习 神经网络的基本概念 深度学习的发展历程 深度学习的研究和应用蓬勃发展 深度学习改变了AI应用的研发模式 实现了端到端的学习 实现了深度学习框架标准化 作业1-1 深度学习 机器学习算法理论在上个世纪90年代发展成熟，在许多领域都取得了成功应用。但平静的日子只延续到2010年左右，随着大数据的涌现和计算机算力提升，深度学习模型异...

容器镜像 版本：v1.8 容器镜像 本文介绍企业基于 KubeVela 通过容器镜像交付业务应用的操作方式，通过该方式交付应用无需你学习过多的 Kubernetes 领域知识。 完成你的业务容器化，无论你的业务使用何种开发语言，请先将其通过 CI 系统或在本地完成运行镜像打包。 将你的业务镜像存放于镜像仓库中，KubeVela 管理的集群可以...

conv1d conv1d paddle.nn.functional.conv1d ( x, weight, bias\=None, stride\=1, padding\=0, dilation\=1, groups\=1, data_format\=’NCL’, name\=None ) [源代码] 该OP是一维卷积层（convolutio...

conv1d conv1d paddle.nn.functional. conv1d ( x, weight, bias=None, stride=1, padding=0, dilation=1, groups=1, data_format=’NCL’, name=None ) [源代码] 该OP是一维卷积层（convolution1d lay...

arcFacePublic 概述 init callback(ret, err) 示例代码 可用性 openFaceDetect params callback(ret, err) 示例代码 可用性 closeFaceDetect callback(ret, err) 示例代码 可用性 detectImg params cal...

应用场景 典型场景 典型架构 案例 1 - 个性化推荐系统 背景 用户需求 实现方案 案例 2 - 商品属性提取与多模搜索 背景 用户需求 实现方案 案例 3 - 视频去重 背景 用户需求 实现方案 应用场景 典型场景 在目前大部分的 AI 应用场景下，都可以使用 Milvus 来搭建智能应用系统： 图片识别 以...

思考有哪些信息可以用于推荐 思考有哪些信息可以用于推荐 观察只保留两个核心问题的推荐任务示例，思考有哪些信息可以用于推荐？ 图中蕴含的数据可以分为三种： 每个用户的不同特征，如性别、年龄； 物品的各种描述属性，如品牌、品类； 用户对部分物品的兴趣表达，即用户与物品的关联数据，如历史上的评分、评价、点击行为和购买行为。 结合这三种信息可以形...

视频和演讲 经典原理剖析 看似用法简单、易于理解的RePlugin的背后，却有着复杂的技术积累，经历了多年的严酷考验。 以下将具体列出一些涉及到“原理分析”的文章。这些文档有的来自官方，有的来自民间分析团体。在此像民间大神们表示感谢！ 如果您能够分析RePlugin的核心原理，并整理成文，则欢迎与我联系。针对“高质量”文章，我们会放到WiKi上，永...

应用场景 典型场景 典型架构 案例 1 - 个性化推荐系统 背景 用户需求 实现方案 案例 2 - 商品属性提取与多模搜索 背景 用户需求 实现方案 案例 3 - 视频去重 背景 用户需求 实现方案 应用场景 典型场景 在目前大部分的 AI 应用场景下，都可以使用 Milvus 来搭建智能应用系统： 图片识别 以...

Maxout 参数: 形状: 代码示例 Maxout paddle.nn. Maxout ( groups, axis=1, name=None ) [源代码] Maxout激活层. 假设输入形状为(N, Ci, H, W)，输出形状为(N, Co, H, W)，则 运算公式如下: 参数: groups (int) -...