用不完整的线性自编码器执行 PCA 如果自编码器仅使用线性激活并且损失函数是均方误差（MSE），则可以显示它最终执行主成分分析（参见第 8 章）。 以下代码构建了一个简单的线性自编码器，以在 3D 数据集上执行 PCA，并将其投影到 2D： import tensorflow as tf from tensorflow . contrib...

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...

fluid.backward append_backward fluid.backward Source English append_backward Source English paddle.fluid.backward. appendbackward (_loss, parameter_list=None, no_grad_s...

9.3.15. Alt-SysRq 键 9.3.15. Alt-SysRq 键 内核编译选项 “Magic SysRq key” (SAK 键)提供预防系统故障的措施，该选项现在是 Debian 内核的默认值。按 Alt-SysRq 键，接着按下面键中的一个键，会做拯救系统的神奇事情。 表 9.11. SAK命令键列表 Alt-SysRq...

Dataset 使用本API的教程文档 Dataset class paddle.io. Dataset [源代码] 概述Dataset的方法和行为的抽象类。 映射式(map-style)数据集需要继承这个基类，映射式数据集为可以通过一个键值索引并获取指定样本的数据集，所有映射式数据集须实现以下方法： __getitem__ : 根据给定索...

PyTorch: Tensors PyTorch: Tensors 译者：@yongjay13 、@speedmancs 校对者：@bringtree 本例中的全连接神经网络有一个隐藏层, 后接ReLU激活层, 并且不带偏置参数. 训练时使用欧式距离平方来学习从x到y的映射. 实现中我们使用了PyTorch的张量来进行前向计算, 误...

使用PyNative模式调试 概述 执行单算子 执行普通函数 提升PyNative性能 调试网络训练模型 使用PyNative模式调试 概述 MindSpore支持两种运行模式，在调试或者运行方面做了不同的优化: PyNative模式：也称动态图模式，将神经网络中的各个算子逐一下发执行，方便用户编写和调试神经网络模型。 Grap...

GS_OPT_MODEL GS_OPT_MODEL GS_OPT_MODEL是启用AiEngine执行计划时间预测功能时的数据表，记录机器学习模型的配置、训练结果、功能、对应系统函数、训练历史等相关信息。 表 1 GS_OPT_MODEL字段 名称 类型 描述 template_name name 机器学习模型...

名称作用域 当处理更复杂的模型（如神经网络）时，该图可以很容易地与数千个节点混淆。 为了避免这种情况，您可以创建名称作用域来对相关节点进行分组。 例如，我们修改以前的代码来定义名为loss 的名称作用域内的错误和mse 操作： with tf . name_scope ( "loss" ) as scope : error = ...