-
华为云深度学习理论入门笔记1
通过不断测试不同超参数进行试错，寻找最适合的超参数 最重要的超参数：学习率α 学习率的改变会影响学习时间和损失值大小，要寻找适合的学习率使损失值达到最小。 使用较小批次更新网络参数
-
Spring5学习笔记（一）Spring入门HelloWorld
一个Bean标签可以注册一个组件（对象、类） class：写要注册组件的全类名 id：这个对象的唯一标识 --> <bean id = "person01" class="com.dong.Person"> <!-- 使用property标签为Person对象赋值
-
呼叫测试 - 云客服
呼叫测试 您可以对您配置的机器人进行测试，来判断您的配置是否正确。 选择“机器人管理”。 单击“添加”，新增接入码。依次填入信息，选择要测试的流程，单击“确定”。 在需要测试的接入码最后一列单击“呼叫测试”。 在弹出的测试对话窗口中输入信息进行测试。 父主题： 流程发布以及呼叫测试
-
大数据开发认证学习中的实验设计
在大数据开发认证学习中的实验设计中，很好地提供了沙箱实验环境，操作手册也较详细，建议在操作步骤的讲解中，可链接相关知识点供学习者复习或参考，在验证型实验的开展中，让学习者既能按步骤完成实验，也能更好地了解实验原理，及相关操作的实际意义，有利于免进学习者相关知识体系的建构。
-
ML之DT：机器学习根据大量数据,已知年龄、收入、是否上海人、私家车价格的一个人，预测是否有真实购买上海黄浦区楼房的能力
ML之DT：机器学习根据大量数据,已知年龄、收入、是否上海人、私家车价格的一个人，预测是否有真实购买上海黄浦区楼房的能力 目录 输出结果 实现代码 输出结果 实现代码 from sklearn.feature_extraction
-
Go语言学习9-结构体类型
如上的字段的字符串字面量标签一般有两个反引号包裹的任意字符串组成。并且，它应该被添加但在与其对应的字段的同一行的最右侧。 这种标签对于使用该结构体类型及其值的代码来说是不可见的。但是，可以用标准库代码包 reflect 中提供的函数查看到结构体类型中字段的标签。这种标签常常会在一些特殊应用场景下使用，比如，标准库代码包
-
get_reward_user_listUsingPOST 获取打赏用户管理 - API
该API属于APIHub22565服务，描述: 获取打赏用户管理接口URL: "/api/v2/topic/get_reward_user_list"
-
华为云 × 沪江教育， 让学习变得更简单
用户近 4000 万，如此大流量的访问带来的技术挑战不容小觑。为了保证每个孩子能随时学习，将课程数据迁移上公有云，并且由云上平台提供课程直播点播服务是“互 + 计划”的必然选择，那么华为云是如何为通达全国的教育直播点播保驾护航的呢？华为云在线教育解决方案为沪江教育提供了有力支撑。其全新对象存储
-
linux机器离线安装gcc 8.3.0
编译器来编译（这个使用系统预装的版本，或者是通过系统库安装即可）； 4. 上面的 make -j 参数，请根据自己的机器配置调整，我机器是 8U32G，所以设置的 -j8，上面的配置，完成 gcc 安装大概在半个小时，根据自己的机器配置，时间会有变化。 完成上面的步骤之后，为了方便以后直接使用，我又修改了 /etc/profile
-
【吐血推荐】领域驱动设计学习输出
飞机，以及乘坐它们需要注意什么。知识： 顾名思义，「DDD」可以认为是知识的一种。「DDD」提供了这样的知识手段，让我们知道如何抽象出「限界上下文」以及如何去「分治」。图片来源：https://servicecomb.apache.org/cn/docs/crm-part-I/另
-
深度学习真的能够做任何事情？
看到一则有关深度学习的新闻如下：Hinton最新采访：我相信深度学习将能够做任何事情，但是我们还需要一些概念性的突破 “我相信深度学习将能够做任何事情，”在接受MIT Tech Review的记者Karen Hao 10月20日EmTech会议上的采访时，Hinton这样说，“但是我们还需要一些概念性的突破。”
-
PyTorch深度学习实战 | 神经网络的优化难题
所以我们希望动态地调整学习率，使得学习率在梯度很大的时候，变得小一些，不至于错过极小值，在梯度很小的时候变得大一点，使得在损失平坦的地方走得更快。这就是所谓的自适应学习率算法。 首先我们可以设想，优化算法是可以良好工作的，这意味着随着迭代次数的增加，它会越来越接近极小值，学习率应该越来越小
-
新建知识库回复节点 - 对话机器人服务 CBS
新建知识库回复节点 在机器人与用户的对话流程中，完成处理节点后，您可以引用知识库中已有的问题的答案作为机器人的回复内容。对话流程的终结节点，必须以回复节点结束。 在左上角节点列表中，拖拽“知识库回复”节点到中间空白区域，同时界面右侧展开“知识库回复”页签。 图1 知识库回复 设置节点名称、问题信息。
-
多元素过渡、列表过渡、复用过渡、异步组件你会几个？
过渡_多元素过渡 当切换展示的元素标签名相同时，需要给每一个元素设置不同的key值，否则Vue为了效率只会替换相同标签内部的内容。 <transition> <div v-if="show" key="world">hello world</div> <div
-
【C++学习笔记】Step1 类、对象
码云：https://gitee.com/hinzer/my-notes-of-C_plus 思维导图 学习笔记 关键词：类、对象、继承、析构方法与构造方法 1.类 <1>声明 class People{private: int
-
β的深度学习笔记（一） 前馈神经网络
分子层，原子层，器官层，并通过判断更抽象的概念来识别物体。 神经网络的训练 知道了神经网络的学习过程就是学习控制着空间变换方式（物质组成方式）的权重矩阵后，接下来的问题就是如何学习每一层的权重矩阵W。 我们要我们的输出要接近预测值，就可以通过比较当前网络的预测值和我们真正想
-
Flask学习与项目实战3：简单入手模板及高阶使用
声明：本学习系列笔记是来源B站 知了传课 up主的教学视频的个人学习笔记，原up主教学视频地址：https://www.bilibili.com/video/BV17r4y1y7jJ
-
AI学习赛三等奖模型
模型。## 训练过程我们是在双卡3090上进行训练的优化器选择了SGD，初始 lr=0.001，使用CosineAnnealingLR进行学习率衰减。损失函数使用过CrossEntropyLoss和LabelSmoothingLoss，发现后者会降点，因此最后选择CrossEntropyLoss。###
-
深度学习中的目标检测原理概述
过非极大值抑制（Non-maximum suppression）输出结果。R-CNN的全称是Region-CNN，可以说是第一个成功将深度学习用到目标检测上的算法。R-CNN同样遵循传统目标检测的思路，同样采用提取框、对每个提取框提取特征、图像分类、非极大值抑制四个步骤进行目标检
-
物联网开发入门学习笔记（二）：数据采集技术
DMA主要由硬件实现，是外设和内存之间交换数据的主要方式之一。 6、系统中断 中断是指计算机运行过程中，出现某些意外情况需要主机干预时，机器能自动停止正在运行的程序并转入处理新情况的程序，处理完毕后又返回原来被暂停的程序继续运行。 三、数据采集接口协议 1、概述 基于数据采集
检测到您已登录华为云国际站账号，为了您更好的体验，建议您访问国际站服务网站 https://www.huaweicloud.com/intl/zh-cn
不再显示此消息
