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
0.022
秒,为您找到
134893
个相关结果.
搜书籍
搜文档
maxout
382
2021-03-02
《百度飞桨 PaddlePaddle v2.0 深度学习教程》
maxout 参数: 返回 代码示例 maxout paddle.nn.functional.maxout ( x, 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: ...
PixelShuffle
591
2021-03-02
《百度飞桨 PaddlePaddle v2.0 深度学习教程》
PixelShuffle 参数 形状 返回 代码示例 PixelShuffle paddle.nn.PixelShuffle ( upscale_factor, data_format=’NCHW’, name=None ) [源代码] 该算子将一个形为[N, C, H, W]或是[N, H, W, C]的Tensor重新排列成形为 [...
iou_similarity
334
2021-03-02
《百度飞桨 PaddlePaddle v2.0 深度学习教程》
iou_similarity iou_similarity paddle.fluid.layers.iou_similarity ( x, y, box_normalized=True, name=None ) [源代码] IOU Similarity Operator 计算两个框列表的intersection-over-union(IOU...
BIRCH
2117
2021-04-11
《Deeplearning Algorithms Tutorial(深度学习算法教程)》
Deeplearning Algorithms tutorial BIRCH 相关应用 优缺点 Deeplearning Algorithms tutorial 谷歌的人工智能位于全球前列,在图像识别、语音识别、无人驾驶等技术上都已经落地。而百度实质意义上扛起了国内的人工智能的大旗,覆盖无人驾驶、智能助手、图像识别等许多层面。苹果业已开始全面拥...
9.11 样式迁移
1919
2020-06-11
《《动手学深度学习》(PyTorch版)》
9.11 样式迁移 9.11.1 方法 9.11.2 读取内容图像和样式图像 9.11.3 预处理和后处理图像 9.11.4 抽取特征 9.11.5 定义损失函数 9.11.5.1 内容损失 9.11.5.2 样式损失 9.11.5.3 总变差损失 9.11.5.4 损失函数 9.11.6 创建和初始化合成图像 9.11.7 训练 小结...
动画摄影表视图
298
2022-09-18
《Blender 3.3 参考手册》
动画摄影表视图 标题栏 用法 动画摄影表视图 动画摄影表视图。 动画摄影表视图用于可视化运动跟踪数据,如同曲线视图一样,它是视频剪辑编辑器的单独视图。 它显示选定轨迹的通道,每个通道将轨迹的跟踪段显示为深色条,并将轨迹的关键帧位置显示为小菱形。 背景将根据帧中的跟踪数目突出显示。这意味着,如果一个帧(或帧序列)少于8个轨迹,背景将变红;如...
动画摄影表视图
435
2020-11-26
《Blender 2.83 参考手册》
动画摄影表视图 标题栏 用法 动画摄影表视图 动画摄影表视图。 动画摄影表视图用于可视化运动跟踪数据,如同曲线视图一样,它是视频剪辑编辑器的单独视图。 它显示选定轨迹的通道,每个通道将轨迹的跟踪段显示为深色条,并将轨迹的关键帧位置显示为小菱形。 背景将根据帧中的跟踪数目突出显示。这意味着,如果一个帧(或帧序列)少于8个轨迹,背景将变红;...
动画摄影表视图
454
2020-12-25
《Blender 2.91 参考手册》
动画摄影表视图 标题栏 用法 动画摄影表视图 动画摄影表视图。 动画摄影表视图用于可视化运动跟踪数据,如同曲线视图一样,它是视频剪辑编辑器的单独视图。 它显示选定轨迹的通道,每个通道将轨迹的跟踪段显示为深色条,并将轨迹的关键帧位置显示为小菱形。 背景将根据帧中的跟踪数目突出显示。这意味着,如果一个帧(或帧序列)少于8个轨迹,背景将变红;...
1.4 词性标注
923
2019-05-28
《Python 自然语言处理 第二版》
1.4 词性标注 1.4 词性标注 第5. 中,我们建立了一个正则表达式标注器,通过查找词内部的组成,为词选择词性标记。然而,这个正则表达式标注器是手工制作的。作为替代,我们可以训练一个分类器来算出哪个后缀最有信息量。首先,让我们找出最常见的后缀: >>> from nltk . corpus import brown >>> su...
1..
«
93
94
95
96
»
..100