[帮助文档] 如何在七代安全增强型实例中部署PyTorch深度学习模型

本文介绍如何基于安全增强型实例(Intel® SGX)部署PyTorch深度学习模型的技术架构和使用流程。

【TVM 学习资料】快速入门:编译深度学习模型

【TVM 学习资料】快速入门:编译深度学习模型

本篇文章译自英文文档 Quick Start Tutorial for Compiling Deep Learning Models 作者是 Yao Wang,Truman Tian。更多 TVM 中文文档可访问→ TVM 中文站这个例子展示了如何用 Relay Python 前端构建神经网络,并为...

高校精品课-复旦大学-机器学习与深度学习

1 课时 |
105 人已学 |
免费

深度学习框架TensorFlow入门

24 课时 |
17302 人已学 |
免费

深度学习与自动驾驶

12 课时 |
3062 人已学 |
免费
开发者课程背景图
【从零开始学习深度学习】12. 什么是模型的训练误差?基于三阶多项式的欠拟合与过拟合训练过程演示

【从零开始学习深度学习】12. 什么是模型的训练误差?基于三阶多项式的欠拟合与过拟合训练过程演示

前言前几篇文章基于Fashion-MNIST数据集的实验中,我们评价了机器学习模型在训练数据集和测试数据集上的表现。如果你改变过实验中的模型结构或者超参数,你也许发现了:当模型在训练数据集上更准确时,它在测试数据集上却不一定更准确。这是为什么呢?1.1 训练误差和泛化误差通俗来讲,训练误差(trai...

【从零开始学习深度学习】5.用于分类问题的softmax回归模型原理简介

【从零开始学习深度学习】5.用于分类问题的softmax回归模型原理简介

前言前两篇文章介绍的线性回归模型适用于输出为连续值的情景。在另一类情景中,模型输出可以是一个像图像类别这样的离散值。对于这样的离散值预测问题,我们可以使用诸如softmax回归在内的分类模型。和线性回归不同,softmax回归的输出单元从一个变成了多个,且引入了softmax运算使输出更适合离散值的...

【从零开始学习深度学习】4.基于pytorch框架自带模型实现线性回归的训练过程

1.1 生成数据集我们生成与上一篇文章中相同的数据集。其中features是训练数据特征,labels是标签。样本形状为1000*2。num_inputs = 2 num_examples = 1000 true_w = [2, -3.4] true_b = 4.2 features = torch...

【从零开始学习深度学习】3. 基于pytorch手动实现一个线性回归模型并进行min--batch训练

【从零开始学习深度学习】3. 基于pytorch手动实现一个线性回归模型并进行min--batch训练

1.1 线性回归简介线性回归输出是一个连续值,因此适用于回归问题。回归问题在实际中很常见,如预测房屋价格、气温、销售额等连续值的问题。与回归问题不同,分类问题中模型的最终输出是一个离散值。我们所说的图像分类、垃圾邮件识别、疾病检测等输出为离散值的问题都属于分类问题的范畴。softmax回归则适用于分...

PyTorch学习系列教程:构建一个深度学习模型需要哪几步?

PyTorch学习系列教程:构建一个深度学习模型需要哪几步?

不同于经典的机器学习流程,深度学习模型的搭建和训练更为灵活和简单,称之为灵活是因为一般没有成熟和直接可用的模型,而更多需要使用者自己去设计和组装各个网络模块;称之为简单是因为深度学习往往实现端到端的训练,即直接从原始数据集到模型输出,而无需经典机器学习中的数据预处理、特征工程、特征选择等多阶段式的工...

本页面内关键词为智能算法引擎基于机器学习所生成,如有任何问题,可在页面下方点击"联系我们"与我们沟通。

产品推荐

社区圈子

智能引擎技术
智能引擎技术
AI Online Serving,阿里巴巴集团搜推广算法与工程技术的大本营,大数据深度学习时代的创新主场。
4027+人已加入
加入
相关电子书
更多
TensorRT Introduction
端上智能-深度学习模型压缩与加速
深度学习的迁移模型
立即下载 立即下载 立即下载