- 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
-
Skill 构建 × 智能创作：基于华为云码道的 AI 内容生产提效方案2026/03/25 周三 19:00-20:00
余伟，华为云软件研发工程师/万邵业（万少），华为云HCDE开发者专家
本次直播带来两大实战：华为云码道 Skill-Creator 手把手搭建专属知识库 Skill；如何用码道提效 OpenClaw 小说文本，打造从大纲到成稿的 AI 原创小说全链路。技术干货 + OPC创作思路，一次讲透！
回顾中 -
码道新技能，AI 新生产力——从自动视频生成到开源项目解析2026/04/08 周三 19:00-21:00
童得力-华为云开发者生态运营总监/何文强-无人机企业AI提效负责人
本次华为云码道 Skill 实战活动，聚焦两大 AI 开发场景：通过实战教学，带你打造 AI 编程自动生成视频 Skill，并实现对 GitHub 热门开源项目的智能知识抽取，手把手掌握 Skill 开发全流程，用 AI 提升研发效率与内容生产力。
回顾中 -
华为云码道：零代码股票智能决策平台全功能实战2026/04/18 周六 10:00-12:00
秦拳德-中软国际教育卓越研究院研究员、华为云金牌讲师、云原生技术专家
利用Tushare接口获取实时行情数据，采用Transformer算法进行时序预测与涨跌分析，并集成DeepSeek API提供智能解读。同时，项目深度结合华为云CodeArts（码道）的代码智能体能力，实现代码一键推送至云端代码仓库，建立起高效、可协作的团队开发新范式。开发者可快速上手，从零打造功能完整的个股筛选、智能分析与风险管控产品。
回顾中
热门标签