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
0.014
秒,为您找到
9374
个相关结果.
搜书籍
搜文档
mobile team 新人须知
386
2020-11-07
《天使汇开发指南》
mobile team 新人须知 第一条 mobile team 新人须知 作者: 付强 email: fqzw2015@gmial.com 第一条 hehe
WMT16
498
2021-03-02
《百度飞桨 PaddlePaddle v2.0 深度学习教程》
WMT16 参数 返回值 代码示例 WMT16 class paddle.text.datasets.WMT16 [源代码] 该类是对`WMT16 <http://www.statmt.org/wmt16/ >`_ 测试数据集实现。 ACL2016多模态机器翻译。有关更多详细信息,请访问此网站: http://www.statmt.org...
Conll05st
453
2021-03-02
《百度飞桨 PaddlePaddle v2.0 深度学习教程》
Conll05st 参数 返回值 代码示例 Conll05st class paddle.text.datasets.Conll05st [源代码] 该类是对`Conll05st <https://www.cs.upc.edu/~srlconll/soft.html >`_ 测试数据集的实现. 注解 只支持自动下载公共的 Conll0...
thresholded_relu
390
2021-03-02
《百度飞桨 PaddlePaddle v2.0 深度学习教程》
thresholded_relu 参数 返回 代码示例 thresholded_relu paddle.nn.functional.thresholded_relu ( x, threshold=1.0, name=None ) [源代码] thresholded relu激活层。计算公式如下: 其中, 为输入的 Tensor...
softshrink
418
2021-03-02
《百度飞桨 PaddlePaddle v2.0 深度学习教程》
softshrink 参数: 返回 代码示例 softshrink paddle.nn.functional.softshrink ( x, threshold=0.5, name=None ) [源代码] softshrink激活层 其中, 为输入的 Tensor 参数: x (Tensor) - 输入的 Tens...
MacOS下从源码编译
929
2021-03-02
《百度飞桨 PaddlePaddle v2.0 深度学习教程》
MacOS下从源码编译 环境准备 选择CPU/GPU 安装步骤 使用Docker编译 本机编译 验证安装 如何卸载 MacOS下从源码编译 环境准备 MacOS 版本 10.11/10.12/10.13/10.14 (64 bit) (不支持GPU版本) Python 版本 2.7.15+/3.5.1+/3.6/...
margin_ranking_loss
560
2021-03-02
《百度飞桨 PaddlePaddle v2.0 深度学习教程》
margin_ranking_loss 参数 返回 代码示例 margin_ranking_loss paddle.nn.functional.margin_ranking_loss ( input, other, label, margin\=0.0, reduction\=’mean’, name\=None ) [源代码] 该算子计...
mm
128
2021-06-06
《百度飞桨 PaddlePaddle v2.1 深度学习教程》
mm mm paddle. mm ( input, mat2, out=None, name=None ) [源代码] 用于两个输入矩阵的相乘。 两个输入的形状可为任意维度,但当任一输入维度大于3时,两个输入的维度必须相等。 如果原始 Tensor input 或 mat2 的秩为 1 且未转置,则矩阵相乘后的前置或附加维度 1 将移除。 ...
gather_nd
864
2021-03-02
《百度飞桨 PaddlePaddle v2.0 深度学习教程》
gather_nd gather_nd paddle.gather_nd ( x, index, name=None ) [源代码] 该OP是 gather 的高维推广,并且支持多轴同时索引。 index 是一个K维度的张量,它可以认为是从 x 中取K-1维张量,每一个元素是一个切片: 显然, index.shape[-1] <= ...
1..
«
96
97
98
99
»
..100