- 本文将张小白写的博客中的知识点联系起来，旨在给大家展示一下相关的知识体系的全貌。 本文将张小白写的博客中的知识点联系起来，旨在给大家展示一下相关的知识体系的全貌。
- 是的，你没看错，MindSpore无处不在。 是的，你没看错，MindSpore无处不在。
- PyTorch入门视频笔记-PyTorch初见。 PyTorch入门视频笔记-PyTorch初见。
- 上一篇讲到的：>>点我查看 几个小实践带你两天快速上手MindSpore（上）1.MindSpore端边云统一格式— — MindIR2.华为智慧终端背后的黑科技— —超轻量AI引擎MindSpore Lite今天将为继续大家带来：1.一键部署在线推理服务— —MindSpore Serving2.AI数据高速加载直通车— —单节点数据缓存3.快速定位模型精度问题— —MindSpore调试... 上一篇讲到的：>>点我查看 几个小实践带你两天快速上手MindSpore（上）1.MindSpore端边云统一格式— — MindIR2.华为智慧终端背后的黑科技— —超轻量AI引擎MindSpore Lite今天将为继续大家带来：1.一键部署在线推理服务— —MindSpore Serving2.AI数据高速加载直通车— —单节点数据缓存3.快速定位模型精度问题— —MindSpore调试...
- 正则化的主要目的是为了防止过拟合，而它的本质是约束（限制）要优化的参数。通常我们通过在Cost function误差函数中添加惩罚项来实现正则化。当然，正则化有其缺点，那就是引入正则化可能会引起“too much regularization”而产生误差。问：对于正则化，有使模型“简单”的优点，这其中”简单”怎么理解？答：引用李航老师书中的那段话：正则化符合奥卡姆剃刀 (Occam’s ra... 正则化的主要目的是为了防止过拟合，而它的本质是约束（限制）要优化的参数。通常我们通过在Cost function误差函数中添加惩罚项来实现正则化。当然，正则化有其缺点，那就是引入正则化可能会引起“too much regularization”而产生误差。问：对于正则化，有使模型“简单”的优点，这其中”简单”怎么理解？答：引用李航老师书中的那段话：正则化符合奥卡姆剃刀 (Occam’s ra...
- 过拟合，欠拟合过拟合（overfitting）：学习能力过强，以至于把训练样本所包含的不太一般的特性都学到了。欠拟合（underfitting）：学习能太差，训练样本的一般性质尚未学好。下面是直观解释： 《机器学习》--周志华下面在那一个具体的例子： 如果我们... 过拟合，欠拟合过拟合（overfitting）：学习能力过强，以至于把训练样本所包含的不太一般的特性都学到了。欠拟合（underfitting）：学习能太差，训练样本的一般性质尚未学好。下面是直观解释： 《机器学习》--周志华下面在那一个具体的例子： 如果我们...
- 2020年的最后一天，MindSpore发布了1.1版本，1.1中很重要的特性是构建了端边云全场景统一的基础架构：https://gitee.com/mindspore/mindspore所以本文重点是剖析全场景统一的AI框架的挑战和MindSpore的解决思路。全场景统一AI框架的挑战所谓全场景AI，是指可以将深度学习技术快速应用在云边端不同场景下的硬件设备上，包括云服务器、移动终端以及I... 2020年的最后一天，MindSpore发布了1.1版本，1.1中很重要的特性是构建了端边云全场景统一的基础架构：https://gitee.com/mindspore/mindspore所以本文重点是剖析全场景统一的AI框架的挑战和MindSpore的解决思路。全场景统一AI框架的挑战所谓全场景AI，是指可以将深度学习技术快速应用在云边端不同场景下的硬件设备上，包括云服务器、移动终端以及I...
- 用flask部署pytorch 用flask部署pytorch
- 用flask部署pytorch 用flask部署pytorch
- 使用tensorflow2实现resnet算法 使用tensorflow2实现resnet算法
- 使用tensorflow2实现inception算法 使用tensorflow2实现inception算法
- 在深度学习系统中，训练一个大型的网络往往会有两个问题：过拟合和费时。当然，4.2节正则化方法可以在一定程度上缓解过拟合这个问题。本节将详细介绍另外一种最早由Hinton提出的解决过拟合问题的方法——Dropout，它不仅可以缓解深度学习系统的过拟合问题，还能缩短训练网络的用时。有别于正则化方法添加正则项给损失函数，Dropout是改变训练过程中的学习过程。在训练深度学习模型时，某些检测器会依... 在深度学习系统中，训练一个大型的网络往往会有两个问题：过拟合和费时。当然，4.2节正则化方法可以在一定程度上缓解过拟合这个问题。本节将详细介绍另外一种最早由Hinton提出的解决过拟合问题的方法——Dropout，它不仅可以缓解深度学习系统的过拟合问题，还能缩短训练网络的用时。有别于正则化方法添加正则项给损失函数，Dropout是改变训练过程中的学习过程。在训练深度学习模型时，某些检测器会依...
- 使用tensorflow2实现 VGG16算法 使用tensorflow2实现 VGG16算法
- 使用tensorflow2实现AlexNet算法 使用tensorflow2实现AlexNet算法
- 使用tensorflow2实现LeNet5算法 使用tensorflow2实现LeNet5算法
上滑加载中
推荐直播
-
华为云码道 × 仓颉编程：工程化AI编码探索2026/05/27 周三 19:00-21:00
刘俊杰-华为云仓颉语言专家/李炎-华为云码道技术专家/王智鹏-OpenCangjie开源社区发起人
本场直播围绕华为云仓颉语言与华为云码道的深度结合，展示华为云智能编程从零基础到高效落地的完整生态能力。以华为云码道为引擎，仓颉语言为载体，带给大家日常提效、趣味创新到极速量产的开发体验。
回顾中
热门标签