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
0.011
秒,为您找到
5464
个相关结果.
搜书籍
搜文档
swish
382
2021-03-02
《百度飞桨 PaddlePaddle v2.0 深度学习教程》
swish 参数 返回 代码示例 swish paddle.nn.functional.swish ( x, name\=None ) [源代码] swish激活层。计算公式如下: 其中,xx 为输入的 Tensor 参数 x (Tensor) - 输入的 Tensor ,数据类型为:float32、float64。 ...
log_sigmoid
466
2021-03-02
《百度飞桨 PaddlePaddle v2.0 深度学习教程》
log_sigmoid 参数 返回 代码示例 log_sigmoid paddle.nn.functional.log_sigmoid ( x, name=None ) [源代码] log_sigmoid激活层。计算公式如下: 其中, 为输入的 Tensor 参数 x (Tensor) - 输入的 Tensor ,...
silu
200
2021-06-06
《百度飞桨 PaddlePaddle v2.1 深度学习教程》
silu 参数 返回 代码示例 silu paddle.nn.functional. silu ( x, name=None ) [源代码] silu激活层。计算公式如下: 其中,xx 为输入的 Tensor 参数 x (Tensor) - 输入的 Tensor ,数据类型为:float32、float64。 name...
LogSigmoid
94
2021-06-06
《百度飞桨 PaddlePaddle v2.1 深度学习教程》
LogSigmoid 参数 形状: 代码示例 LogSigmoid class paddle.nn. LogSigmoid ( name=None ) [源代码] LogSigmoid激活层。计算公式如下: 其中,xx 为输入的 Tensor 参数 name (str, 可选) - 操作的名称(可选,默认值为None)。更多...
源码编译环境准备
1072
2020-12-08
《Paddle-Lite 2.6 中文文档》
源码编译环境准备 1. Docker开发环境 2. Linux开发环境 准备Android交叉编译环境 准备ARM Linux编译环境 交叉编译ARM Linux 本地编译ARM Linux(直接在RK3399或树莓派上编译) 3. Mac OS开发环境 4. Windows开发环境 源码编译环境准备 Paddle Lite提供了An...
vgg19
153
2021-06-06
《百度飞桨 PaddlePaddle v2.1 深度学习教程》
vgg19 参数 返回 代码示例 vgg19 paddle.vision.models. vgg19 ( pretrained=False, batch_norm=False, **kwargs ) [源代码] vgg19模型,来自论文 “Very Deep Convolutional Networks For Large-Scale Im...
increment
442
2021-03-02
《百度飞桨 PaddlePaddle v2.0 深度学习教程》
increment increment paddle.increment ( x, value=1.0, name=None ) [源代码] 使输入Tensor x 的数据累加 value , 该OP通常用于循环次数的计数。 参数: x (Tensor) – 元素个数为1的Tensor,数据类型必须为float32,float64,...
vgg11
655
2021-03-02
《百度飞桨 PaddlePaddle v2.0 深度学习教程》
vgg11 参数 返回 代码示例 vgg11 paddle.vision.models.vgg11 ( pretrained=False, batch_norm=False, \*kwargs* ) [源代码] vgg11模型,来自论文 “Very Deep Convolutional Networks For Large-Scale I...
roll
542
2021-03-02
《百度飞桨 PaddlePaddle v2.0 深度学习教程》
roll roll paddle.roll(x, shifts, axis=None, name=None): 该OP沿着指定维度 axis 对输入 x 进行循环滚动,当元素移动到最后位置时,会从第一个位置重新插入。如果 axis 为 None ,则输入在被循环滚动之前,会先展平成 1-D Tensor ,滚动操作完成后恢复成原来的形状...
1..
«
95
96
97
98
»
..100