内容选择
全部
内容选择
内容分类
  • 学堂
  • 博客
  • 论坛
  • 开发服务
  • 开发工具
  • 直播
  • 视频
  • 用户
时间
  • 一周
  • 一个月
  • 三个月
  • 模型封装

    模型封装:将机理、方法等,数学/物理/化学变化或其他类型的模型,打包成平台可读/可识别的模型单元;支持语言版本有Java8.0、python2.7\python3.6、C#.NET Core 2.0、.NET Core 2.1等。

    作者: 金刚石
    1949
    0
  • 认识网络模型数据的封装和解封装

    王达著 机械工业出版社IPv4数据报格式请点击这里 IPv4数据报的封装与解封装 IPv4数据报的封装 发送端网络层生成的IP数据报还要继续往下传输,到达数据链路层后就要封装成数据帧了。IP数据报的“帧封装”原理很简单,只需要把来自网络层的整个IP数据报(包括

    作者: Ustinian_2022
    发表时间: 2022-07-27 10:08:13
    245
    0
  • 跟繁琐的模型说拜拜!深度学习脚手架 ModelZoo 来袭!

    Keras 写了一个深度学习的框架。说框架也不能说框架,更准确地说应该叫脚手架,项目名字叫做 ModelZoo,中文名字可以理解成模型动物园。有了这个脚手架,我们可以更加方便地实现一个深度学习模型,进一步提升模型开发的效率。另外,既然是 ModelZoo,模型必不可少,我也打算以

    作者: 竹叶青
    发表时间: 2019-11-02 23:46:18
    8187
    0
  • 深度学习-通用模型调试技巧

    率上限是多少,以此判断模型的准确率还差多远。2、训练时每隔一定步数记录一次训练集错误率和验证集错误率,一直训练,直到在训练集上的错误率不再下降,停止训练;3、计算贝叶斯错误率与训练错误率之差,该差值称为模型偏差,计算训练错误率与验证错误率之差,该差值称为模型方差,将训练时记录的训

    作者: 山海之光
    发表时间: 2019-08-08 21:26:02
    11278
    1
  • 部署深度学习模型

    虽然modelarts能够帮助我们在线上完成深度学习模型,但是训练好的深度学习模型是怎么部署的

    作者: 初学者7000
    870
    3
  • 深度学习LSTM模型

    长短期记忆(Long short-term memory, LSTM)是一种特殊的RNN,主要是为了解决长序列训练过程中的梯度消失和梯度爆炸问题。简单来说,就是相比普通的RNN,LSTM能够在更长的序列中有更好的表现。

    作者: 我的老天鹅
    1890
    10
  • 【开源模型学习】AlexNet深度学习模型总结

    第8层:FC-SoftmaxCaffe AlexNet实现模型结构如下:模型创新点:1. 使用新的激活函数Relu在Relu被使用之前,广泛使用的激活函数是tanh,sigmodtanh:sigmod:(为什么要使用Relu)tanh sigmod这两个激活函数的问题:存在梯度弥散,模型收敛较慢的问题,且无法表征

    作者: 小二中二大二
    1653
    0
  • 深度学习模型介绍

    深度神经网络:深度学习模型有很多,目前开发者最常用的深度学习模型与架构包括卷积神经网络 (CNN)、深度置信网络 (DBN)、受限玻尔兹曼机 (RBM)、递归神经网络 (RNN & LSTM & GRU)、递归张量神经网络 (RNTN)、自动编码器 (AutoEncoder)、生成对抗网络

    作者: 极客潇
    1759
    2
  • 走近深度学习,认识MoXing:模型定义教程

    Stopping](使用Early Stopping)1 使用MoXing模型库的内置模型目前MoXing集成了一些神经网络模型,用户可以直接使用mox.get_model_fn获取这些模型。以及使用mox.get_model_meta获取这些模型的元信息。例:训练一个ResNet_v1_50:import

    作者: 云上AI
    发表时间: 2018-08-22 10:17:48
    6783
    0
  • 《Keras深度学习实战》—2.6.2 模型类型

    2.6.2 模型类型Keras有两种模型类型:序贯模型使用函数API创建的模型

    作者: 华章计算机
    发表时间: 2019-06-15 12:27:44
    7393
    0
  • 浅谈深度学习模型压缩

    常见的模型压缩方法有以下几种:    模型蒸馏 Distillation,使用大模型的学到的知识训练小模型,从而让小模型具有大模型的泛化能力    量化 Quantization,降低大模型的精度,减小模型    剪枝 Pruning,去掉模型中作用比较小的连接    参数共享,

    作者: QGS
    34
    1
  • 《Keras深度学习实战》—2.7 序贯模型

    重: 模型训练调用model.fit进行模型训练,执行以下步骤。数据验证:将validation_data传递给Keras模型时,它必须包含两个参数(x_val,y_val)或三个参数(x_val,y_val和val_sample_weights)。模型输出上述代码中模型指标的最终输出显示如下:

    作者: 华章计算机
    发表时间: 2019-06-15 12:38:05
    4289
    0
  • 深度学习中的Normalization模型

    很快被作为深度学习的标准工具应用在了各种场合。BN**虽然好,但是也存在一些局限和问题,诸如当BatchSize太小时效果不佳、对RNN等**络无法有效应用BN等。针对BN的问题,最近两年又陆续有基于BN思想的很多改进Normalization模型被提出。BN是深度学习进展中里程

    作者: 可爱又积极
    840
    3
  • 《Keras深度学习实战》—2.8 共享层模型

    IFAR图像。有两个共享此输入的CNN特征提取子模型,其中一个内核大小为4,另一个内核大小为8。这些特征提取子模型的输出被平展为向量、然后串联成为一个长向量,并在最终输出层进行二进制分类之前,将其传递到全连接层以进行解译。以下为模型拓扑:一个输入层两个特征提取层一个解译层一个稠密输出层

    作者: 华章计算机
    发表时间: 2019-06-15 12:40:36
    6823
    0
  • 深度学习模型轻量化

    移动端模型必须满足模型尺寸小、计算复杂度低、电池耗电量低、下发更新部署灵活等条件。模型压缩和加速是两个不同的话题,有时候压缩并不一定能带来加速的效果,有时候又是相辅相成的。压缩重点在于减少网络参数量,加速则侧重在降低计算复杂度、提升并行能力等。模型压缩和加速可以从多个角度来优化。总体来看,个人认为主要分为三个层次:1

    作者: 可爱又积极
    1257
    4
  • 深度学习模型族训练

    主导的过拟合。正则化的目标是使模型从第三种情况转化为第二种情况。在实践中,过于复杂的模型族不一定包括目标函数或真实数据生成过程,甚至也不包括近似过程。我们几乎从未知晓真实数据的生成过程,所以我们永远不知道被估计的模型族是否包括生成过程。然而,深度学习算法的大多数应用都是针对这样的

    作者: 小强鼓掌
    938
    3
  • 视频转封装

    视频转封装 场景介绍 您可以创建转封装任务,对存储在OBS桶中的视频文件封装格式转换,而不改变其分辨率和码率。 支持转封装的输入格式有:MP3、MP4、FLV、TS。 支持转封装的输出格式有:HLS、MP4。

  • Python 封装

    python 对属性的封装和java对属性的封装 还是有些区别。使用的都是伪封装,使用实例对象,可以直接操作属性。约定大于配置,防君子不妨小人。class A:    __init__(self,name):        self.__name=name        self

    作者: lu_zhishen
    946
    1
  • 《Keras深度学习实战》—2.6 Keras模型入门

    2.6 Keras模型入门本节介绍如何在Keras中创建一个基本模型。2.6.1 模型的剖析模型(Model)是Network的子类,它将训练和评估这样的例行程序添加到Network中。下图显示了各个类之间的关系。Network不是开发人员直接使用的类,因此本节中的某些信息仅供你参考。

    作者: 华章计算机
    发表时间: 2019-06-15 12:25:15
    5626
    0
  • 视频转封装

    视频转封装 场景介绍 您可以创建转封装任务,对存储在OBS桶中的视频文件封装格式转换,而不改变其分辨率和码率。 支持转封装的输入格式有:MP3、MP4、FLV、TS。 支持转封装的输出格式有:HLS、MP4。 流程一览