编程实现.pdf-于祥-人民邮电出版社
文本预览下载声明
274ff第8章从零开始了解NLP技术——word2vec在后面的内容里，我们会使用通用的神经网络学习框架PaddlePaddle计算出词向量。8.5.2数据预处理首先介绍我们使用的一个数据集，本章使用宾州树库（PennTreebank，P
显示全部
文档详情
相似文档
-
Alexnet模型实现.pdf-于祥-人民邮电出版社
142ff第5章独孤九剑——经典图像分类网络实现●model：模型名称，默认值为SE_ResNeXt50_32x4d。●num_epochs：训练回合数，默认值为120。●batch_size：批大小，默认值为256。●use_gpu：表示
-
Resnet模型实现.pdf-于祥-人民邮电出版社
146ff第5章独孤九剑——经典图像分类网络实现name=layername[7]+offset),param_attr=fluid.param_attr.
-
使用PaddlePaddle实现SSD网络.pdf-于祥-人民邮电出版社
186ff第6章“天网”系统基础——目标检测快的优化和更稳定的训练。SSD在训练前还进行了数据增强操作。为了使模型更具有鲁棒性，并且对于各种输入对象大小和形状更加多变，
-
PyramidBox的PaddlePaddle官方实现.pdf-于祥-人民邮电出版社
210ff第6章“天网”系统基础——目标检测机的人脸变成一个随机且更小的锚点尺寸并改变训练图像的尺寸。该方法可以增加训练样本在不同尺度上的多样性，改变训练样本的分布，重点关注
-
ShuffleNet V2 模型实现.pdf-于祥-人民邮电出版社
154ff第5章独孤九剑——经典图像分类网络实现filter_size=3,padding=1,expansionfactor=t,name=name+_+str(i+1))returnlas
-
MobileNet V2 模型实现.pdf-于祥-人民邮电出版社
5.6MobileNetV2模型实现ee149act=relu,name=name+_branch2b)conv2=self.convbnlayer(input=conv1,numfil
-
Anakin 架构与性能.pdf-于祥-人民邮电出版社
14.1Anakin架构与性能ee375高性能的移动端和其他异构平台的算法优化。这个框架兼容主流的深度学习框架，可以进行灵活的配置，使得公司业务线不需要考虑更专业的算法底层优化技巧就能获取极高的计算性能。图14-114.1Anakin架构与
-
高性能.pdf-于祥-人民邮电出版社
14.2Anakin的特性ee379应参数，即可实现高速预测计算。14.2Anakin的特性Anakin具有开源、跨平台、高性能三个特性，它可以在不同硬件平台上
-
融合推荐模型.pdf-于祥-人民邮电出版社
286ff第9章feed流最懂你——个性化推荐9.2.2融合推荐模型本章使用卷积神经网络（ConvolutionalNeuralNetwork）来学习电影名称的表示。下面会依次介绍文本卷积神经网络以及融合推荐模型。1．文本卷积神经网络卷积神
-
词向量简介.pdf-于祥-人民邮电出版社
8.2词向量简介ee265于人类来讲，很容易知道他指的是张三，但是在这个句子当中“张三”和“他”字中间隔了很多个字符，如何定位“他”指的是“张三”就是一个长距离
-
全卷积网络.pdf-于祥-人民邮电出版社
224ff第7章“天网”系统进阶——像素级物体分割图7-7是将分割图添加到原始图像上的验证效果，这一步将语义标签与输入图像进行重叠。这里有个概念需要明确一下—掩码（mask），如MaskR-C
-
进行PaddlePaddle实验.pdf-于祥-人民邮电出版社
324ff第11章NLP技术深入理解——语义角色标注表11-2PaddlePaddle提供的词典资源文件名称说明worddict输入句子的词典，共计44068个词label_dict标记的词典，共计106个标
-
情感分析实验.pdf-于祥-人民邮电出版社
308ff第10章让机器读懂你的心——情感分析技术就可以将原始的序列矩阵转换成一个批量矩阵的形式。时序的RNN计算中有时会使用反向循环神经网络来获得上下文信息。稍微变换sequenceToBatch，还可以得
-
训练模型.pdf-于祥-人民邮电出版社
9.3电影推荐实验ee295concatembed=layers.concat(input=[movfc,movcategorieshidden,movtit
-
模型配置说明.pdf-于祥-人民邮电出版社
292ff第9章feed流最懂你——个性化推荐●19:unemployed。●20:writer。而对于每一条训练/测试数据，均为++评分。例如，我