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
  • 深度学习学习 XOR

    W , c) 计算得到隐藏单元向量 h。这些隐藏单元值随后被用作第二层输入。第二层就是这个网络输出层。输出层仍然只是一个线性回归模型,只不过现在它作用于 h 而不是 x。网络现在包含链接在一起两个函数:h = f(1)(x; W , c) y = f(2)(h; w

    作者: 小强鼓掌
    953
    3
  • 容器基础知识学习

    进行资源管理容器VS虚拟机与虚机相比容器优点1. • 更快速交付部署2. • 高效部署扩容3. • 更高资源利用率4. • 更简单管理Docker组件Docker常见架构

    作者: 极客潇
    发表时间: 2019-09-23 16:57:47
    2608
    0
  • 新活动来啦,学习 涨豆涨知识

    作者: JamesTXH
    1232
    5
  • 知识表示学习知识表征)

    1 知识表示学习定义知识表示学习是将知识库中知识表示为低维稠密实体向量,即Embedding。知识图谱是由实体关系组成,通常采用三元组形式表示,【head(头实体),relation(实体关系),tail(尾实体)】,简写为(h,r,t)。知识表示学习任务就是学习h,

    作者: Cheri Chen
    发表时间: 2020-08-13 19:38:12
    13280
    0
  • 深度学习深度模型中优化

    深度学习算法在许多情况下都涉及到优化。例如,模型中进行推断(如 PCA)涉及到求解优化问题。我们经常使用解析优化去证明或设计算法。在深度学习涉及到诸多优化问题中,最难是神经网络训练。甚至是用几百台机器投入几天到几个月来解决单个神经网络训练问题,也是很常见。因为这其中优化

    作者: 小强鼓掌
    338
    1
  • 深度学习识别滑动验证码

    像上一节介绍一样,要训练深度学习模型也需要准备训练数据,数据也是分为两部分,一部分是验证码图像,另一部分是数据标注,即缺口位置。但上一节不一样是,这次标注不再是单纯验证码文本了,因为这次我们需要表示是缺口位置,缺口对应是一个矩形框,要表示一个矩形框

    作者: 崔庆才丨静觅
    发表时间: 2021-12-31 16:52:28
    945
    0
  • 深度学习: 反向传播其他微分算法

    y),其中 x 是一组变量,我们需要它们导数,而 y 是函数另外一组输入变量,但我们并不需要它们导数。在学习算法中,我们最常需要梯度是代价函数关于参数梯度,即 ∇θJ(θ)。许多机器学习任务需要计算其他导数,来作为学习过程一部分,或者用来分析学得模型。反向传播算法也适用于这些

    作者: 运气男孩
    2365
    2
  • 想要学习一些专业知识

    化为鲲鹏,我有话说现在正在开始这方面的学习,而且想做项目测试一下 有大神吗 请教一下 写一个打印机驱动 需要创建内核扩展程序 还是咯开通driver就可以呢?

    作者: 崔云剑
    2949
    1
  • 机器学习深度学习

    Learning,DL)属于机器学习子类。它灵感来源于人类大脑工作方式,是利用深度神经网络来解决特征表达一种学习过程。深度神经网络本身并非是一个全新概念,可理解为包含多个隐含层神经网络结构。为了提高深层神经网络训练效果,人们对神经元连接方法以及激活函数等方面做出了

    作者: QGS
    678
    2
  • 读写锁相关知识学习

    塞读操作,这样在读时候就不会互斥,提高读效率。 主要原则是读时候可以被多个线程同时读,写时候只能有一个线程去写。 在JUC中ReadWriteLock读写锁,是怎么实现上面这种描述呢? 1.2 读写锁使用 使用JUC中ReadWriteLock读写锁时候,基本

    作者: 多米诺的古牌
    发表时间: 2021-08-26 14:49:03
    1095
    0
  • 深度学习=炼金术?

    深度学习是目前人工智能最受关注领域,但黑盒学习法使得深度学习面临一个重要问题:AI能给出正确选择,但是人类却并不知道它根据什么给出这个答案。本期将分享深度学习起源、应用待解决问题;可解释AI研究方向进展。

    主讲人:华为MindSpore首席科学家,陈雷
    直播时间:2020/03/27 周五 14:00 - 15:00
  • 学习笔记 - 知识图谱之学习逻辑规则推理

    之前帖子了解了知识图谱一些概念,下面继续看下知识图谱相关算法应用。这篇论文《RNNLogic: Learning Logic Rules for Reasoning on Knowledge Graphs》讨论了知识图谱上学习问题相关解决方案,其阐述如下:本文研究了知识图谱

    作者: RabbitCloud
    1672
    5
  • 深度学习现实应用

    种语言即时翻译,速度之快宛如魔法。谷歌翻译背后,就是机器学习。此时,你可能会想,谷歌翻译已经经历了很长时间,那么现在有些什么新意呢?实际上,在过去两年时间里,谷歌已经完全将深度学习嵌入进了谷歌翻译中。事实上,这些对语言翻译知之甚少深度学习研究人员正提出相对简单机器学习

    作者: 运气男孩
    832
    4
  • 深度学习Normalization模型

    很快被作为深度学习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问题,最近两年又陆续有基于BN思想很多改进Normalization模型被提出。BN是深度学习进展中里程

    作者: 可爱又积极
    841
    3
  • 队列相关知识学习

    添加操作offer(需要添加元素,超时时间,超时时间单位)方法; 在设置好队列长度后,如果未超过队列长度,会返回true;如果超出队列长度继续添加,不会抛异常,会返回false,并且丢弃添加元素,并且在所设置超时时间后自动结束操作; 2.1.4.2 移除操作poll(超时时间,超时时间单位)方法;

    作者: 多米诺的古牌
    发表时间: 2021-08-26 15:30:59
    1157
    0
  • 深度学习已经取得进展

    是机器学习历史上非常困难领域:接近人类水平图像分类接近人类水平语音识别接近人类水平手写文字转录更好机器翻译更好文本到语音转换数字助理接近人类水平自动驾驶更好广告定向投放更好网络搜索结果能够回答用自然语言提出问题在围棋上战胜人类我们仍然在探索深度学习能力边界。

    作者: ypr189
    827
    1
  • 深度学习之机器学习挑战

            机器学习主要挑战是我们算法必须能够在先前未观测新输入上表现良好,而不只是在训练集上效果好。在先前未观测到输入上表现良好能力被称为泛化(generalization)。通常情况下,当我们训练机器学习模型时,我们可以访问训练集,在训练集上计算一些度量误差,被称为训练误差(training

    作者: 小强鼓掌
    516
    2
  • 学习人工智能AI需要哪些最基础知识?

    机器学习是人工智能的另一重要课题。机器学习是指在一定知识表示意义下获取新知识过程,按照学习机制不同,主要有归纳学习、分析学习、连接机制学习遗传学习等。       知识处理系统主要由知识推理机组成。知识库存储系统所需要知识,当知识量较大而又有多种表示方法时,知识合理组织与管理是重要。推理机在

    作者: ypr189
    1042
    2
  • 华为云学习笔记(基础知识

    像:build4、镜像---磁盘文件:load/save# 云容器引擎与各服务关系/3-p53# namespace, cgroup分别实现什么:Namespace:隔离环境,用户只看到一个单独系统Cgroup:资源限制,用户能得到多少CPU、内存等等# DEC资源架构图DEC

    作者: yd_265207567
    231
    3
  • 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
    1762
    2