HelloWorld 开发者社区
科技资讯
Qwen4-Max 发布:百万 Token 上下文、多模态与长任务如何落地
Jync 2.2.1 发布:完善告警通知,修复 CDC 与 ETL 可靠性问题
phimint 0.10.0 发布:终端智能体加入交互输入处理
Cursor 更新安全事件调查:扩展分发、历史凭据与团队排查
SoduWork 开源,尝试用独立审查与插件治理组织智能体交付
百度世界提出智能组织思路,关注 AI 从个人工具进入业务闭环
openKylin 全球生态推广会举行,推进本地化与社区合作
光船 1.1.0 尝鲜版二更新,探索 AI 会话与代码生成结合
Argus 0.5.0 发布:新增进程控制,完善原生 Windows 任务管理
MetaForge 2026.0.0 发布,整合数据库工作台与可视化分析
开源项目
全部项目推荐好文
tensorflow-梯度下降,有这一篇就足够了
前言最近机器学习越来越火了,前段时间斯丹福大学副教授吴恩达都亲自录制了关于<codeDeepLearningSpecialization</code的教程,在国内掀起了巨大的学习热潮。本着不被时代抛弃的念头,自己也开始研究有关机器学习的知识。都说机器学习的学习难度非常大,但不亲自
学习笔记TF065:TensorFlowOnSpark
Hadoop生态大数据系统分为Yam、HDFS、MapReduce计算框架。TensorFlow分布式相当于MapReduce计算框架,Kubernetes相当于Yam调度系统。TensorFlowOnSpark,利用远程直接内存访问(RemoteDirectMemoryAccess,RDM
学习笔记TF064:TensorFlow Kubernetes
AlphaGo,每个实验1000个节点,每个节点4个GPU,4000GPU。Siri,每个实验2个节点,8个GPU。AI研究,依赖海量数据计算,离性能计算资源。更大集群运行模型,把周级训练时间缩短到天级小时级。Kubernetes,应用最广泛容器集群管理工具,分布式TensorFlow监控、调度生
学习笔记TF063:TensorFlow Debugger
TensorFlowDebugger(tfdbg),TensorFlow专用调试器。用断点、计算机图形化展现实时数据流,可视化运行TensorFlow图形内部结构、状态。有助训练推理调试模型错误。https://www.tensorflow.org/pr...(https://link.seg
学习笔记TF062:TensorFlow线性代数编译框架XLA
XLA(AcceleratedLinearAlgebra),线性代数领域专用编译器(demainspecificcompiler),优化TensorFlow计算。即时(justintime,JIT)编译或提前(aheadoftime,AOT)编译实现XLA,有助于硬件加速。XLA还在
学习笔记TF061:分布式TensorFlow,分布式原理、最佳实践
分布式TensorFlow由高性能gRPC库底层技术支持。MartinAbadi、AshishAgarwal、PaulBarham论文《TensorFlow:LargeScaleMachineLearningonHeterogeneousDistributedSystems》。
学习笔记TF060:图像语音结合,看图说话
斯坦福大学人工智能实验室李飞飞教授,实现人工智能3要素:语法(syntax)、语义(semantics)、推理(inference)。语言、视觉。通过语法(语言语法解析、视觉三维结构解析)和语义(语言语义、视觉特体动作含义)作模型输入训练数据,实现推理能力,训练学习能力应用到工作,从新数据推断结论。
学习笔记TF059:自然语言处理、智能聊天机器人
自然语言处理,语音处理、文本处理。语音识别(speechrecognition),让计算机能够“听懂”人类语音,语音的文字信息“提取”。日本富国生命保险公司花170万美元安装人工智能系统,客户语言转换文本,分析词正面或负面。智能客服是人工能智能公司研究重点。循环神经网络(recurrentn
MNIST机器学习入门
当我们开始学习编程的时候,第一件事往往是学习打印&34;HelloWorld&34;。就好比编程入门有HelloWorld,机器学习入门有MNIST。MNIST是一个入门级的计算机视觉数据集,它包含各种手写数字图片。它也包含每一张图片对应的标签,告诉我们这个是数字几。详细内容请参考:
(通用)深度学习环境搭建:tensorflow安装教程及常见错误解决
区别于其他入门教程的“手把手式”,本文更强调“因”而非“果”。我之所以加上“通用”字样,是因为在你了解了这个开发环境之后,那些很low的错误你就不会犯了。大家都知道深度学习涉及到大量的模型、算法,看着那些乱糟糟的公式符号,心中一定是“WTF”。我想说的是,这些你都不要管,所谓车到山前必有路。
正在加载更多文章…
加载更多已加载文章中没有匹配内容,可继续加载更多。