- 综合排序
- 最热优先
- 最新优先
- 来自专栏全栈程序员必看
【大数据】最新大数据学习路线（完整详细版，含整套教程）
jblas： 一个快速的线性代数库（JAVA）。基于BLAS与LAPACK，矩阵计算实际的行业标准，并使用先进的基础设施等所有的计算程序的ATLAS艺术的实现，使其非常快。 MLlib以来jblas线性代数库，jblas本身以来远程的Fortran程序。
88210编辑于 2022-06-28 - 来自专栏腾讯开源的专栏
开源项目介绍｜Tencent KonaJDK
机器学习使用JBlas Demo https://github.com/SamuelSchlesinger/StatisticalInference ? API文档 http://jblas.org/javadoc/index.html ?
1.5K20发布于 2021-06-10 - 来自专栏大数据技术学习
如何从零开始规划大数据学习之路!
MLlib以来jblas线性代数库，jblas本身以来远程的Fortran程序。 jblas： 一个快速的线性代数库（JAVA）。基于BLAS与LAPACK，矩阵计算实际的行业标准，并使用先进的基础设施等所有的计算程序的ATLAS艺术的实现，使其非常快。
81230发布于 2019-06-12 - 来自专栏XAI
Java分布式神经网络库Deeplearning4j之上手实践手写数字图像识别与模型训练
Loaded [CpuBackend] backend o.n.n.NativeOpsHolder - Number of threads used for NativeOps: 2 o.n.n.Nd4jBlas
3.4K100发布于 2018-02-08 - 来自专栏实战docker
三分钟体验：SpringBoot用深度学习模型识别数字
********************** 2021-06-29 10:51:58.407 INFO 1 --- [ main] org.nd4j.nativeblas.Nd4jBlas
68640编辑于 2021-12-07 - 来自专栏黑泽君的专栏
大数据技术之_28_电商推荐系统项目_02
新建 recommender 的子项目 OfflineRecommender，引入 spark、scala、mongo 和 jblas 的依赖： <dependencies> 线性代数的库 --> <dependency> <groupId>org.scalanlp</groupId> <artifactId>jblas </artifactId> <version>${jblas.version}</version> </dependency> <! </artifactId> <version>${jblas.version}</version> </dependency> <! 我们在 recommender 下新建子项目 ItemCFRecommender，引入 spark、scala、mongo 和 jblas 的依赖： <dependencies>
5K21发布于 2019-06-15 - 来自专栏黑泽君的专栏
大数据技术之_24_电影推荐系统项目_06_项目体系架构设计 + 工具环境搭建 + 创建项目并初始化业务数据 + 离线推荐服务建设 + 实时推荐服务建设 + 基于内容的推荐服务建设
>1.2.1</jblas.version><! 新建 recommender 的子项目 OfflineRecommender，引入 spark、scala、mongo 和 jblas 的依赖： <dependencies> 中线性代数相关的库 --> <dependency> <groupId>org.scalanlp</groupId> <artifactId>jblas </artifactId> <version>${jblas.version}</version> </dependency> <! {ALS, Rating} import org.apache.spark.sql.SparkSession import org.jblas.DoubleMatrix // 基于评分数据的 LFM，
5.9K51发布于 2019-05-23 - 来自专栏大数据学习与分享
Spark实现推荐系统中的相似度算法
length), 0.5) if (dominator == 0) Double.NaN else numerator / (dominator * 1.0) } 余弦相似度 /** jblas
1.2K10发布于 2020-08-10 - 来自专栏黑泽君的专栏
大数据技术之_28_电商推荐系统项目_01
<spark.version>2.1.1</spark.version> <scala.version>2.11.8</scala.version> <jblas.version >1.2.1</jblas.version><!
3.6K30发布于 2019-06-15 - 来自专栏云计算linux
java转大数据方向如何走？
jblas： 一个快速的线性代数库（JAVA）。基于BLAS与LAPACK，矩阵计算实际的行业标准，并使用先进的基础设施等所有的计算程序的ATLAS艺术的实现，使其非常快。 MLlib以来jblas线性代数库，jblas本身以来远程的Fortran程序。
64110编辑于 2024-12-19 - 来自专栏腾讯大数据的专栏
大数据与云计算的新引擎 – Kona JDK 11揭秘
即使是相比于jblas这种高性能类库，JVM Vector API版本的性能整体亦提升了49% ～ 78%，这是非常可观的性能收益，而且从研发效率、可靠性、可移植性等方面，JVM无缝支持的Vector
1.9K20发布于 2020-05-13 - 来自专栏专知
【专知-Java Deeplearning4j深度学习教程04】使用CNN进行文本分类:图文+代码
602 Loading word vectors and creating DataSetIterators Starting training 2017-10-14 14:45:18 INFO Nd4jBlas
5.5K70发布于 2018-04-09 - 来自专栏machine_learning
Recommending items to more than a billion people（面向十亿级用户的推荐系统）
为了求解矩阵方程A * X = B，我们需要找到A-1的逆矩阵，为此我们使用了开源库JBLAS，它对矩阵逆有最有效的实现。 由于SGD和ALS具有相同的优化公式，也可以将这些算法进行组合。
83810发布于 2020-09-09 - 来自专栏用户画像
Facebook 推荐算法
我们使用开源库JBLAS，它具有最有效的矩阵逆实现。 由于SGD和ALS共享相同的优化公式，因此也可以组合这些算法。 ALS比SGD计算复杂。
1.6K30发布于 2018-08-24 - 来自专栏小樱的经验随笔
Collaborative Filtering(协同过滤)算法详解
{SparkConf, SparkContext} import org.jblas.DoubleMatrix /** * 协同过滤(处理对象movie,使用算法ALS:最小二乘法(实现用户推荐)
7.1K91发布于 2018-04-08 - 来自专栏黑泽君的专栏
大数据技术之_24_电影推荐系统项目_08_项目总结及补充
import org.apache.spark.ml.linalg.SparseVector import org.apache.spark.sql.SparkSession import org.jblas.DoubleMatrix
2.9K32发布于 2019-05-26 - 来自专栏Soul Joy Hub
深入理解Spark ML：基于ALS矩阵分解的协同过滤算法与源码分析
DoubleMatrix, vec2: DoubleMatrix): Double = { vec1.dot(vec2) / (vec1.norm2() * vec2.norm2()) } import org.jblas.DoubleMatrix
4.1K40发布于 2019-02-13
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号