榜单
服务器优惠
AI论文
-
12.5 示例：二叉搜索树 (Example: Binary Search Trees)
12.5 示例：二叉搜索树 (Example: Binary Search Trees) 12.5 示例：二叉搜索树 (Example: Binary Search Trees) 在某些情况下，使用破坏性操作比使用非破坏性的显得更自然。第 4.7 节中展示了如何维护一个具有二分搜索格式的有序对象集 (或者说维护一个二叉搜索树 (BST) )。第 4.... -
BookStack v1.6 发布，实现全文搜索并优化体验
升级日志 旧版本程序升级 相关地址 页面预览 首页 内容阅读页 搜索结果页 BookStack，分享知识，共享智慧！知识，因分享，传承久远！ BookStack 是基于Mindoc、使用Go语言的Beego框架开发的功能类似GitBook和看云的在线文档管理系统，实现了文档采集、导入、电子书生成以及版本控制等强大功能。 升级日志 文档... -
Elasticsearch安装
1. Elasticsearch安装 1.1.1. Elasticsearch介绍 1.1.2. 下载 1.1.3. 安装 1.1.4. 启动 1. Elasticsearch安装 Elasticsearch官网：https://www.elastic.co/cn/products/elasticsearch 1.1.1. Elas... -
使用预训练的词向量完成文本分类任务
使用预训练的词向量完成文本分类任务 一、简介 二、环境设置 三、用飞桨2.1调用Imdb数据集 3.1 定义数据集 3.2 载入预训练向量 3.3 给数据集的词表匹配词向量 四、组网 4.1 构建基于预训练向量的Embedding 4.2 构建分类器 4.3 读取数据，进行训练 五、评估效果并用模型预测 使用预训练的词向量完成文... -
服务端配置
服务端配置 配置概述 Milvus 文件结构 配置修改 编辑配置文件 运行时修改 milvus.yaml 参数说明 cluster 区域 general 区域 network 区域 storage 区域 wal 区域 cache 区域 gpu 区域 logs 区域 metric_config 区域 常见问题... -
超参优化
PaddleHub 超参优化（AutoDL Finetuner） 一、简介 二、准备工作 1. hparam.yaml 2. train.py 示例 三、启动方式 四、目录结构 五、可视化 六、args参数传递 七、其他 PaddleHub 超参优化（AutoDL Finetuner） 一、简介 目前深度学习模型参数可分为两类... -
快速列表
快速列表 可用方法 Add Clear Count First GetRange InsertAfter InsertBefore Last Length Pop Push Remove ReverseIterator Shift Trim UnShift 快速列表 快速列表按照插入顺序排序。你可以添加一个元素导列表... -
Milvus 基本操作
id: milvus_operation.md Milvus 基本操作 id: milvus_operation.md Milvus 基本操作 在 Get Started 部分，我们将带你熟悉 Milvus 客户端 Python SDK 的如下基本操作： 连接服务端 创建、删除集合 创建、删除分区 插入、删除向量 创建、删除索引... -
数据持久化
数据持久化 文件存储 数据库 ORM 搜索引擎 数据持久化 信息源于数据，我们在网站上看到的内容都应该是属于信息的范畴。这些信息是应用从数据库中根据业务需求查找、过滤出来的数据。 数据通常以文件的形式存储，毕竟文件是存储信息的基本单位。只是由于业务本身对于 Create、Update、Query、Index 等有不同的组合需求就引发了不同的... -
六、DCN
六、DCN 6.1 模型 6.2 cross network 6.3 实验 六、DCN 人工交叉特征效果很好，但是有两个主要缺点： 人工探索所有的交叉特征是不现实的。 难以推广到未曾出现过的交叉特征。 虽然 DNN 能够自动探索交叉特征并推广到未出现过的交叉特征，但是DNN 的学习效率不高，且无法显式的学习特征交叉。 论文 《De...