102 条“大模型学习-3-4” 相关内容
- TensorFlow教程 | TutorialsLarge-scale Linear Models with TensorFlow（TensorFlow的大型线性模型）
Large-scale Linear Models with TensorFlow（TensorFlow的大型线性模型）
为什么你想要使用线性模型。 tf.estimator如何在TensorFlow中轻松构建线性模型。 如何使用tf.estimator将线性模型与深度学习相结合以获得两者的优点。
- TensorFlow教程 | TutorialsConvolutional Neural Networks（卷积神经网络）
Convolutional Neural Networks（卷积神经网络）
卷积神经网络 注意：本教程面向TensorFlow的高级用户，并假设具备机器学习方面的专业知识和经验。 概述 CIFAR-10分类是机器学习中常见的基准问题。
- TensorFlow开始 | Get StartedMNIST For ML Beginners（ML的初学者MNIST 教程）
MNIST For ML Beginners（ML的初学者MNIST 教程）
我们可以把它解释为一大堆数字： [图片] 我们可以将这个数组变成28x28=784数字的向量。只要我们在图像之间保持一致，无论如何将阵列弄平。
- TensorFlow教程 | TutorialsRecurrent Neural Networks（复发性神经网络）
Recurrent Neural Networks（复发性神经网络）
为了使学习过程易于处理，通常的做法是创建一个“展开”版本的网络，其中包含固定数量的（num_steps）LSTM输入和输出。然后对该模型进行有限RNN近似训练。
- TensorFlow教程 | TutorialsVector Representations of Words（字词的向量表示）
Vector Representations of Words（字词的向量表示）
词的向量表示 在本教程中，我们看一下Mikolov等人的word2vec模型。该模型用于学习单词的矢量表示，称为“单词嵌入”。
- TensorFlow教程 | TutorialsImage Recognition（图像识别）
Image Recognition（图像识别）
在过去的几年中，机器学习领域在解决这些难题方面取得了巨大的进步。特别是，我们发现一种称为深度卷积神经网络的模型可以在纯视觉识别任务上实现合理的性能-在某些领域匹配或超过人类的表现。
- TensorFlow教程 | TutorialsTutorials（教程）
Tutorials（教程）
以下教程重点关注人类语言中的机器学习问题： 向量表示的单词，它演示了如何创建一个单词的嵌入。 递归神经网络，演示如何使用递归神经网络来预测句子中的下一个单词。
- TensorFlow教程 | TutorialsTensorFlow Linear Model Tutorial（TensorFlow线性模型教程）
TensorFlow Linear Model Tutorial（TensorFlow线性模型教程）
- TensorFlow教程 | TutorialsHow to Retrain Inception's Final Layer for New Categories（如何为新类别重新训练盗梦空间的最后一层）
How to Retrain Inception's Final Layer for New Categories（如何为新类别重新训练盗梦空间的最后一层）
迁移学习是一种技巧，通过为ImageNet等一系列类别提供完全培训的模型，并从现有的新类权重中重新训练，从而缩短了大量工作量。在这个例子中，我们将从头开始重新训练最后一层，同时保留所有其他层。
- TensorFlow配置 | DeployDeploy（部署）
Deploy（部署）
Deploy 本节重点介绍部署现实世界的模型。它包含以下文件： 分布式TensorFlow，它解释了如何创建一个TensorFlow服务器集群。
- TensorFlow开始 | Get StartedGetting Started（开始）
Getting Started（开始）
GettingStarted 有关TensorFlow编程基础的简要概述，请参阅以下指南： TensorFlowMNIST入门已经成为尝试使用新机器学习工具包的标准数据集。
- TensorFlow教程 | TutorialsImproving Linear Models Using Explicit Kernel Methods（使用显式内核方法改进线性模型）
Improving Linear Models Using Explicit Kernel Methods（使用显式内核方法改进线性模型）
本教程对我们的ML模型使用tf.contrib.learn（TensorFlow的高级机器学习API）估计器。如果你不熟悉这个API，tf.estimatorQuickstart是一个很好的开始。
- TensorFlow教程 | TutorialsTensorFlow Wide & Deep Learning Tutorial（广泛深入的学习教程）
TensorFlow Wide & Deep Learning Tutorial（广泛深入的学习教程）
TensorFlow广泛和深度学习教程 在之前的TensorFlow线性模型教程中，我们使用人口普查收入数据集训练了一个逻辑回归模型来预测个人年收入超过5万美元的概率。
- TensorFlow扩展 | ExtendCreating Estimators in tf.estimator（在tf.estimato创建自定义估算器）
Creating Estimators in tf.estimator（在tf.estimato创建自定义估算器）
在tf.estimator中创建估计器 tf.estimator框架可以通过其高级别的EstimatorAPI轻松构建和操练机器学习模型。
- TensorFlow开始 | Get StartedDeep MNIST for Experts（针对专家的深度MNIST）
Deep MNIST for Experts（针对专家的深度MNIST）
在本教程中，我们将学习TensorFlow模型的基本构建模块，同时构建深度卷积MNIST分类器。 本介绍假定您熟悉神经网络和MNIST数据集。如果你没有他们的背景，请查看初学者的介绍。
- C++规律表达 | Regular expressionsstd::match_results::format
std::match_results::format
大flags位掩码确定识别哪种格式说明符和转义序列。 ...的行为format是未定义的，如果ready()!=true... 参数 [表格] 类型要求 -输出必须符合输出器的要求。
- TensorFlow教程 | TutorialsSimple Audio Recognition（简单的音频识别）
Simple Audio Recognition（简单的音频识别）
rate0.001000是控制网络重量更新速度的学习速率。在此之前，这是一个相对较高的数字（0.001），但对于以后的操练周期，它将减少10倍，达到0.0001。
腾讯云开发者
扫码关注腾讯云开发者
领取腾讯云代金券
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