已找到以下 10000 条记录
  • 单点环路检测(single - 图引擎服务 GES

    单点环路检测(single_vertex_circles_detection)(2.2.4) 表1 parameters参数说明 参数 是否必选 说明 类型 取值范围 默认值 source 是 被包含节点ID。 String - min_circle_length 否 最小圈长 Integer

  • 《机器学习调优指南:随机搜索与网格搜索的优劣剖析》

    简单直接的超参数调优方法。假设你正在优化一个决策树模型,超参数包括树的最大深度、叶节点最小样本数等。使用网格搜索时,你需要为每个超参数定义一个取值范围,比如最大深度可以是[3, 5, 10],叶节点最小样本数可以是[2, 5] 。接着,网格搜索会穷举所有可能的超参数组合,对于决策树模型,就会产生3×2

    作者: 程序员阿伟
    发表时间: 2025-01-31 21:59:56
    56
    0
  • 深度实践OpenStack:基于Python的OpenStack组件开发—3.4.4 统计函数

    原张量的第几个元素)。代码清单3-18给出了使用统计函数的例子。表3-2 张量的部分统计函数torch.Tensor类成员统计量无参数时的行为有参数dim时的返回值mean()平均值仅返回值仅返回值sum()总和仅返回值仅返回值std()标准差仅返回值仅返回值var()方差仅返回

    作者: 华章计算机
    发表时间: 2019-06-01 23:36:14
    4895
    0
  • leetcode算法104.二叉树的最大深度

    12345 返回它的最大深度 3 。 1.2、思路 思路一:此题我们可以使用深度优先搜索,我们拆成递归的方式来解决问题,如果我们知道了左子树和右子树的最大深度l和r,那么该二叉树的最大深度即为max(l,r)+1,也就是说跟节点的最大深度等于左右子树中最大深度加1,那么我们就可以用递归的形式将代码写出来。

    作者: 小奇JAVA
    发表时间: 2022-03-29 15:38:48
    388
    0
  • ICT大赛云赛道新

    及数据库进行容灾保护,保证应用数据可靠性以及业务连续性。 点我实验 AI 1个学习路径| 2个实验 AI专业学习路径(31h) 普惠AI,触及每个企业,每个开发者,让智能无所不及 点我学习 基于深度学习算法的语音识别(3h) 让使用者在了解语音识别基本的原理与实战的同时,更好的了解人工智能的相关内容与应用。

  • 深度学习应用篇-计算机视觉-OCR光学字符识别[7]:OCR综述、常用CRNN识别方法、DBNet、CTPN检测方法等、评估指标

    自2012年AlexNet在ImageNet竞赛夺冠以来,深度学习方法开始在图像视频领域大幅超越传统算法,OCR领域也引入了深度学习,包括基于卷积神经网络(Convolutional Neural Network, CNN)来取代传统算法提取特征。深度学习OCR主要分为2步,首先是检测出图像中的文本行、接着进行文本识别。

    作者: 汀丶
    发表时间: 2023-06-11 21:47:35
    31
    0
  • jvm性能调优 - 17案例实战_每日上亿请求量的电商系统 老轻代垃圾回收参数如何优化

    文章目录 Pre 在案例背景下什么时候对象会进入老年代? 大促期间多久会触发一次Full

    作者: 小工匠
    发表时间: 2021-09-09 17:09:14
    1362
    0
  • 【机器学习面试总结】————(二)

    往往依赖于经验。 3. 调整参数和超参数        •  超参数包括:神经网络中的学习率、学习衰减率、隐藏层数、隐藏层的单元数、Adam优化算法中的β1和β2参数、batch_size数值等。其

    作者: Lingxw_w
    发表时间: 2023-04-27 12:33:14
    64
    0
  • spring学习(5)

    任何一个只接受一个参数,并且运行时所传入的参数是 Serializable 接口的方法 多个匹配条件之间使用链接符连接: &&、||、! 。 within 指示器表示可以选择的包,bean 指示器可以在切点中选择 bean 。 如参数 execution(String

    作者: 幼儿园老大*
    发表时间: 2024-09-27 21:31:24
    90
    0
  • 【论文导读】- Communication-Efficient Learning of Deep Networks from D

    进行培训。我们提倡一种替代方法,让训练数据分布在移动设备上,并通过聚集本地计算的更新来学习共享模型。我们将这种去中心化的学习方式称为联邦学习。 我们提出了一种基于迭代模型平均的深度网络联邦学习的实用方法,并进行了广泛的实证评估,考虑了五种不同的模型架构和四个数据集。这些实验表明,

    作者: 1+1=王
    发表时间: 2022-12-28 01:36:34
    164
    0
  • 精度调优前准备工作 - AI开发平台ModelArts

    从而提高训练效率。 学习率预热 不同的学习率调度器(决定什么阶段用多大的学习率)有不同的学习率调度相关超参,例如线性调度可以选择从一个初始学习率lr-warmup-init开始预热。您可以选择多少比例的训练迭代步使用预热阶段的学习率。不同的训练框架有不同的参数命名,需要结合代码实现设置对应的参数。

  • 主动学习解决数据标注难题

    Planning)。2、主动学习介绍主动学习(Active learning or query learning)作为机器学习的一个分支(Semi-supervised Learning)其主要是针对数据标签较少或打标签代价较高这一场景而设计的。主动学习背后的关键思想是,如果允许从学习的数据中选择

    作者: 大赛技术圈小助手
    530
    0
  • DevCloud板块学习资料汇总

    com/courses/course-v1:HuaweiX+CBUCNXV001+2018.5/about本帖子不定时更新,欢迎大家一起来学习

    作者: 加油O幸福
    2262
    0
  • 掌控MySQL并发:深度解析锁机制与并发控制

    一种锁定张表的机制,它可以分为共享锁(S锁)和独占锁(X锁)。与行锁(针对单条记录的锁)相比,表锁的粒度较粗,涵盖张表的所有记录。   如果想对张表加S锁,首先要确保表中没有任何一条记录加了X锁,如果有记录加了X锁,则需要等待X锁释放才能对张表加S锁。

    作者: 砖业洋__
    发表时间: 2023-06-13 20:32:44
    138
    0
  • 实例分析openinstall与业务场景的深度融合

    来拓宽App边界,尝试通过新业务破圈,吸引更多流量话题和新鲜用户。   传参安装与深度链接的核心价值 普通下载链接难以突破H5场景下的各种限制,难以做到灵活设置和获取各类所需参数,从而导致无法区分用户来源、拉起目标页面、统计活动数据。   openinstal

    作者: T-ff
    发表时间: 2024-02-23 16:59:32
    34
    0
  • 【华为云网络技术分享】【第五弹】用户访问云主机业务偶发性中断问题解决方法--内核参数修改

    '/TcpExt/ { print $21,$22 }'可以看到Drops了7798个包。5.         将tcp_tw_recycle参数修改为0后,用户测试未复现问题。问题解决。# sysctl -w net.ipv4.tcp_tw_recycle=0临时修改,重启VM后自

    作者: 樱桃小丸子
    发表时间: 2018-01-24 19:02:58
    10500
    1
  • Linux:开机启动顺序启动顺序及配置开机启动

    开机启动顺序 1、加载内核 2、启动 init(/etc/inittab) pid=1 3、系统初始化 /etc/rc.d/rc.sysinit 4、运行开机启动 /etc/rc.d/rc*.d #软链指向 /etc/init.d/ 通过 chkconfig 命令配置

    作者: 彭世瑜
    发表时间: 2021-08-13 15:23:32
    2429
    0
  • 昇腾学院 | 开讲啦,学习AI不能停!

    转眼2019已到尾声不知道大家年初立下的flag都完成了多少?特别是关于学习的那些事~这不,为了与各位一起提升自己稳住flag同时为马上到来的HDC.Cloud做好准备我们精心准备了这套“昇腾学院系列课程”时不我待,快到昇腾学院学习AI!长按扫码,一起学昇腾,一起聊AI别忘了除了能get到新

    作者: rain酱
    发表时间: 2019-12-11 09:44:23
    6711
    0
  • 机器学习概述

    联匹配等等。 机器学习算法划分:一、监督学习:分类,回归,排序,匹配二、半监督学习:协同训练三、无监督学习:聚类,关联规则四、强化学习:PPO、A2C/A3C 机器学习一般过程;数据采集-->数据处理-->选择建模算法-->结果实施 有监督学习常见算法:线性回归

    作者: 大鹏爱学习
    发表时间: 2022-10-17 10:04:36
    1562
    0
  • 驱动开发:内核中枚举进线程与模块

    在,如果返回成功则把EPROCESS、PID、PPID、进程名等通过DbgPrint打印到屏幕上。 内核枚举进程: 进程就是活动起来的程序,每一个进程在内核里,都有一个名为 EPROCESS 的结构记录它的详细信息,其中就包括进程名,PID,PPID,进程路径等,通常在应用层枚举

    作者: LyShark
    发表时间: 2022-11-02 11:13:15
    164
    0