已找到以下 10000 条记录
  • HCIP-Kunpeng Application Developer-华为云开发者学堂

    能优化、鲲鹏应用开发实践 认证流程 收起 展开 学习培训 收起 展开 您可以通过在线课程的学习,随时随地掌握基础知识,了解华为云实践应用 在线学习 收起 展开 在线实验 收起 展开 完成理论知识学习后结合实验手册在线实操,巩固学习 下载手册 收起 展开 模拟测试 收起 展开 通过模拟试题进行自我检测,了解考试题型

  • NeurIPS TAPE | 用于评估蛋白质表示学习性能的多任务平台

    模型性能的方法:TAPE。 1、摘要 蛋白质表示学习是机器学习研究的一个日益热门的领域。由于获取监督蛋白质标签的成本较高,但目前的文献在数据集和标准化评价技术方面比较零散,因此半监督学习作为蛋白质表示学习中的一种重要范式。为了促进这一领域的进展,作者引入了评估蛋白质

    作者: DrugAI
    发表时间: 2021-07-14 20:02:57
    905
    0
  • dataset模块之通用数据处理

    接下来进入本篇文章的正文——通用数据处理。数据是深度学习的基础,良好的数据输入可以对整个深度神经网络训练起到非常积极的作用。在训练前对已加载的数据集进行数据处理,可以解决诸如数据量过大、样本分布不均等问题,从而获得更加优化的数据输入。MindSpore的各个数据集类(Cifar10Dataset

    作者: 钟文
    729
    0
  • 数据结构学习笔记:变位词侦测案例

    数据结构学习笔记:变位词侦测案例 通过字符串变位词侦测问题可以很好地了解具有不同数量级的算法。变位词,就是两个字符串构成要素完全相同,但是要素的排列顺序不同。比如,heart与earth、python与typhon就是变位词。为了简单起

    作者: howard2005
    发表时间: 2021-11-18 19:32:00
    423
    0
  • VEGA:诺亚AutoML高性能开源算法集简介

    png自动化训练(AutoTrain)超越谷歌的训练正则化方法(Disout)为了从给定的数据集中提取重要的特征,深度神经网络通常包含大量可训练的参数。一方面,大量的可训练参数增强了深度网络的性能。另一方面,它们带来了过拟合的问题。为此,基于Dropout的方法在训练阶段会禁用

    作者: kourei
    发表时间: 2020-07-31 09:37:18
    12408
    0
  • 无监督学习主要分类

    无监督学习主要分为两类,一类是确定型的自编码方法及其改进算法,其目标主要是能够从抽象后的数据中尽量无损地恢复原有数据,一类是概率型的受限波尔兹曼机及其改进算法,其目标主要是使受限玻尔兹曼机达到稳定状态时原数据出现的概率最大。确定型无监督学习确定型无监督学习主要有自编码及稀疏自编码

    作者: QGS
    608
    1
  • 机器学习笔记之假设检验

    假设检验中的 “假设“ 是对学习器泛化错误率分布的某种判断或猜想,较大,相差很远的可能性比较小.因此,可根据测试错误率估推出泛化错误率的 分布。泛化错误率为 E 的学习器在一个样本上犯错的概率是g测试错误率E意味着在m个测试样本中恰有€xm个被误分类.假定测试样本是从样本总体分布

    作者: ypr189
    1040
    1
  • 机器学习入门-Colab环境

    的云端环境,旨在帮助开发者和研究人员轻松进行机器学习和数据科学工作。可以在Colab官网 上直接新建代码文件并运行,Colab 在云端提供了预配置的Python环境,免费的GPU和TPU资源,这有助于加速计算密集型任务,如深度学习模型的训练。 二、Colab分配GPU/CPU/TPU

    作者: Damon小智
    发表时间: 2024-02-08 15:58:06
    0
    0
  • NgRx Selector 的 Memoization 特性学习笔记

    memoized value of 8 选择器的记忆值无限期地保留在内存中。 例如,如果记忆值是不再需要的大数据集,则可以将记忆值重置为 null,以便可以从内存中删除大数据集。 这可以通过调用选择器上的 release 方法来完成。 selectTotal(state); // returns

    作者: Jerry Wang
    发表时间: 2022-08-01 13:37:33
    269
    0
  • MindSpore新年新版本:MindSpore 1.1.0迁移学习之图像分类遇到的图像解析错误&解决方案

    版本号截图:硬件平台 &操作系统:体验内容:MindSpore1.1.0版本的迁移学习之图像分类比之前的版本强大许多,很多数据集的性能指标超越了Tensorflow3-5个百分点(例如Cifar10等数据集),但是有时候从网站上下载的图片是gif格式非法强制转换的png或者jpg格式

    作者: 李响
    2660
    1
  • Kyligence Enterprise

    Enterprise是Kyligence提供的基于Apache Kylin的企业级大数据智能分析平台,在超大数据集上提供亚秒级标准 SQL 查询响应,提供互联网级的高并发访问Kyligence Enterprise 在 PB 级数据集上提供亚秒级查询响应和互联网级的高并发访问,实现大数据场景下的 OLAP 分析与大规模

    交付方式: 镜像
  • Python和PyTorch深入实现线性回归模型:一篇文章全面掌握基础机器学习技术

    Pandas, Matplotlib等。 PyTorch 是一个开源的 Python 机器学习库,基于 Torch。它主要由 Facebook 的 AI 研究团队开发,用于实现深度学习算法。PyTorch 以张量为基本数据结构,可以在GPU或CPU上进行计算。具有动态定义计算图的特性,使得

    作者: TechLead
    发表时间: 2023-10-10 09:58:39
    74
    0
  • StoneDB(HTAP数据库)

    基于MySQL内核打造的开源HTAP数据库,由石原子科技自主设计、开发,提供事务+分析负载一体化解决方案, 具备超高性能、实时分析、高压缩、低成本等特点,100%兼容MySQL协议StoneDB 是杭州石原子科技有限公司(StoneAtom)自主设计研发的国内首款完全兼容于 MySQL

    交付方式: License
  • 云数据迁移 CDM - 云数据迁移 CDM

    如何将云下内网或第三方云上的私网与CDM连通? 如何使用Java调用CDM的Rest API创建数据迁移作业? CCE是否和深度学习服务可以内网通信? CCE是否和深度学习服务可以内网通信? CCE是否和深度学习服务可以内网通信? 更多 远程登录 应用容器化改造介绍 应用容器化改造流程 步骤1:对应用进行分析

  • 【问答官3阶段】垃圾分类模型准确率问题

    最近在看《深度学习》这本书,其中针对容量、误差典型关系时,书上的意思是:模型还属于欠拟合区域,增加容量可以提升模型的的训练效果。本次在第三阶段的垃圾分类建立模型时,准确率为0.6253(见下图),准确率不是太高。如果想提高准确率,增加数据集(容量)能提升准确率吗?谢谢!

    作者: 人还是要有梦想
    1045
    1
  • C · 进阶 | 深度剖析数据在内存中的存储

    啊我摔倒了..有没有人扶我起来学习.... 你好,我是CGod,每个人都可以5分钟编程。 欢迎来到我的主页:《CGod的后花园》 前言 数据类型使得C语言能够描述各种不同的事物,是最基本的知识内容 一、数据类型介绍 前面我们已经学习了基本的内置类型: 符号 类型

    作者: CGod
    发表时间: 2022-10-14 09:19:12
    398
    0
  • Scala学习笔记02:数据类型、常量与变量

    Scala学习笔记02:数据类型、常量与变量 一、数据类型 1、基本数据类型 Byte 字节型 Short 短整型 Int 整型 Long 长整型 Char 字符型 String 字符串 Float 浮点型 Double

    作者: howard2005
    发表时间: 2021-11-18 20:27:56
    874
    0
  • 【云享MindTalks·第九期】#深度学习就像个傻瓜#东南大学博士张铄与你一起探讨诱导AI行动!

    样的业界话题尽在此处,为保证极简极高效,活动仅20分钟,限量200人,先进先得。你是否会为AI的迅猛发展而战栗?是否以为深度学习已经无所不能?事实上,深度学习就像个傻瓜!可能一副墨镜就能让其崩溃这一次,张老师带队进行诱导AI行动你,不来吗? 专家介绍东南大学生物工程专业博士Huawei

    作者: 华为云PaaS服务小智
    1896
    1
  • sklearn中分类器的比较

    Bayes * QDA 12345678910 1.2 数据集合   图中显示实色训练点和半透明的测试点。右下角显示测试集的分类准确率。 ▲ 图1.1.1 训练数据集合 左:弯月数据集合;中:圆环数据集合;右:线性可分数据集合 ▲ 图1.2.2 左:Nearest

    作者: tsinghuazhuoqing
    发表时间: 2021-12-25 14:41:28
    859
    0
  • 多图层地图 - 智能数据洞察 DataArts Insight

    已接入数据源,请参见新建数据源。 已创建数据集,请参见创建数据集。 已创建大屏,请参见创建大屏。 操作步骤 在大屏页面左侧的组件区域单击“地图”组件,切换至地图组件页。 单击地图组件或拖动地图组件至画布区域。 在大屏页面右侧数据配置区域选择数据集。 设置字段、样式相关参数。 单击“更新”,系统自动更新图表。