Flexus L實例
即開即用，輕松運維，開啟簡單上云第一步
立即查看
免費體驗中心
免費領(lǐng)取體驗產(chǎn)品，快速開啟云上之旅
立即前往
企業(yè)級DeepSeek
支持API調(diào)用、知識庫和聯(lián)網(wǎng)搜索，滿足企業(yè)級業(yè)務需求
立即購買
免費體驗中心
免費領(lǐng)取體驗產(chǎn)品，快速開啟云上之旅
立即前往
企業(yè)級DeepSeek
支持API調(diào)用、知識庫和聯(lián)網(wǎng)搜索，滿足企業(yè)級業(yè)務需求
立即前往
Flexus L實例
即開即用，輕松運維，開啟簡單上云第一步
立即查看
免費體驗中心
免費領(lǐng)取體驗產(chǎn)品，快速開啟云上之旅
立即前往
Flexus L實例
即開即用，輕松運維，開啟簡單上云第一步
立即前往
企業(yè)級DeepSeek
支持API調(diào)用、知識庫和聯(lián)網(wǎng)搜索，滿足企業(yè)級業(yè)務需求
立即購買
- 深度學習的物理要求 內(nèi)容精選 換一換
-
- 深度學習的物理要求 相關(guān)內(nèi)容
-
本課程介紹了雙向深度學習理論、算法和應用示例，讓你對雙向深度學習有初步的認知。 課程目標 通過本課程的學習，使學員： 1、認識雙向智能。 2、了解深度雙向智能的理論、算法和應用示例。 課程大綱 第1章 引言 第2章 雙向智能 第3章 深度雙向智能 華為云 面向未來的智能世界，數(shù)字化來自：百科的深度學習。 課程目標 通過本課程的學習，使學員了解如下知識： 1、高效的結(jié)構(gòu)設計。 2、用NAS搜索輕量級網(wǎng)絡。 3、數(shù)據(jù)高效的模型壓縮。 4、1bit量化。 課程大綱 第1章 能耗高效的深度學習的背景 第2章 高效的神經(jīng)元和結(jié)構(gòu)設計 第3章 基于NAS的輕量級神經(jīng)網(wǎng)絡 第4章來自：百科
- 深度學習的物理要求 更多內(nèi)容
-
![]()
云知識 基于深度學習算法的語音識別 基于深度學習算法的語音識別 時間：2020-12-01 09:50:45 利用新型的人工智能（深度學習）算法，結(jié)合清華大學開源語音數(shù)據(jù)集THCHS30進行語音識別的實戰(zhàn)演練，讓使用者在了解語音識別基本的原理與實戰(zhàn)的同時，更好的了解人工智能的相關(guān)內(nèi)容與應用。來自：百科![]()
更好的訓練效果。 本次訓練所使用的經(jīng)過數(shù)據(jù)增強的圖片 基于深度學習的識別方法 與傳統(tǒng)的機器學習使用簡單模型執(zhí)行分類等任務不同，此次訓練我們使用深度神經(jīng)網(wǎng)絡作為訓練模型，即深度學習。深度學習通過人工神經(jīng)網(wǎng)絡來提取特征，不同層的輸出常被視為神經(jīng)網(wǎng)絡提取出的不同尺度的特征，上一層的輸出來自：百科![]()
至超越了人類的水平。本課程將介紹深度學習算法的知識。 課程簡介 本課程將會探討深度學習中的基礎(chǔ)理論、算法、使用方法、技巧與不同的深度學習模型。 課程目標 通過本課程的學習，使學員： 1、掌握神經(jīng)網(wǎng)絡基礎(chǔ)理論。 2、掌握深度學習中數(shù)據(jù)處理的基本方法。 3、掌握深度學習訓練中調(diào)參、模型選擇的基本方法。來自：百科![]()
華為云計算 云知識 深度學習：IoT場景下的AI應用與開發(fā) 深度學習：IoT場景下的AI應用與開發(fā) 時間：2020-12-08 10:34:34 本課程旨基于自動售賣機這一真實場景開發(fā)，融合了物聯(lián)網(wǎng)與AI兩大技術(shù)方向，向您展示AI與IoT融合的場景運用并解構(gòu)開發(fā)流程；從 物聯(lián)網(wǎng)平臺來自：百科![]()
、自動機器學習等領(lǐng)域。 課程簡介 本教程介紹了AI解決方案深度學習的發(fā)展前景及其面臨的巨大挑戰(zhàn)；深度神經(jīng)網(wǎng)絡的基本單元組成和產(chǎn)生表達能力的方式及復雜的訓練過程。 課程目標 通過本課程的學習，使學員： 1、了解深度學習。 2、了解深度神經(jīng)網(wǎng)絡。 課程大綱 第1章 深度學習和神經(jīng)網(wǎng)絡來自：百科![]()
OpenStack的物理部署示例 OpenStack的物理部署示例 時間：2021-02-08 20:39:05 云計算 OpenStack提供了一個部署云的操作平臺或工具集，其宗旨在于幫助組織運行為虛擬計算或存儲服務的云，為公有云、私有云，也為大云、小云提供可擴展的、靈活的云計算。作為來自：百科![]()
華為云計算 云知識 邏輯模型和物理模型的對比 邏輯模型和物理模型的對比 時間：2021-06-02 14:37:26 數(shù)據(jù)庫 邏輯模型與物理模型的對比如下： 名稱定義：邏輯模型取名按照業(yè)務規(guī)則和現(xiàn)實世界對象的命名規(guī)范來取名；物理模型需要考慮到數(shù)據(jù)庫產(chǎn)品限制，比如不能出現(xiàn)非法字符，不能使用數(shù)據(jù)庫關(guān)鍵詞，不能超長等約束；來自：百科![]()
日期分區(qū)。如果查詢一般都知道按月匯總和按月查詢的情況，那么只要分區(qū)到月份的程度就足夠了。 其次要決定是否要拆分歷史表和當前表。歷史表是冷數(shù)據(jù)，可以放在低速存儲上；當前表是熱數(shù)據(jù)，使用高速存儲。歷史表可以使用壓縮方法減少占用的存儲空間。 文中課程 更多精彩課程、實驗、微認證，盡在?來自：百科![]()
華為云計算 云知識 使用其他物理化手段的需求 使用其他物理化手段的需求 時間：2021-06-02 14:52:28 數(shù)據(jù)庫 在有如下這些特定需求時，還可以考慮其他的數(shù)據(jù)庫模型物理化手段： 是否采用壓縮； 是否需要對數(shù)據(jù)進行加密； 是否需要對數(shù)據(jù)進行脫敏。 文中課程 更多精彩課程來自：百科![]()
云知識 數(shù)據(jù)庫設計中的物理設計 數(shù)據(jù)庫設計中的物理設計 時間：2021-06-02 14:34:01 數(shù)據(jù)庫 數(shù)據(jù)庫設計中的物理設計階段是指，在用戶確認的邏輯模型基礎(chǔ)上，以數(shù)據(jù)庫系統(tǒng)運行效率，業(yè)務操作效率，前端應用效率等因素為出發(fā)點對模型進行的調(diào)整。面向物理實施過程的具體細節(jié)。最終目來自：百科![]()
云知識 數(shù)據(jù)庫設計需求分析的要求 數(shù)據(jù)庫設計需求分析的要求 時間：2021-06-02 09:51:13 數(shù)據(jù)庫 在做數(shù)據(jù)庫設計的需求分析時，需要： 1. 了解現(xiàn)有系統(tǒng)的運行概況； 2. 確定新系統(tǒng)的功能要求； 3. 收集能夠?qū)崿F(xiàn)目標的基礎(chǔ)數(shù)據(jù)及相關(guān)的業(yè)務流程。 文中課程 更多精來自：百科![]()
要介紹數(shù)據(jù)庫設計的方法基礎(chǔ)及相關(guān)概念。??????????????????????????????????????????????????????????????????????????????????????????????????????????? 立即學習 最新文章 替換V來自：百科![]()
華為云計算 云知識 Nova物理部署示例 Nova物理部署示例 時間：2021-02-08 20:46:51 云計算 Nova是OpenStack中提供計算資源服務的項目，作為OpenStack最核心的項目，其物理部署有6個重要的特點。 無中心結(jié)構(gòu) 各組件無本地持久化狀態(tài) 可水平擴展來自：百科![]()
名稱有效字符的范圍（避免使用非法字符出現(xiàn)在名稱中）； 3. 避免使用物理數(shù)據(jù)庫的保留關(guān)鍵字； 4. 命名盡量采用富有意義、易于記憶、描述性強、簡短及具有唯一性的英文詞匯，不準采用漢語拼音； 5. 制定項目組范圍內(nèi)統(tǒng)一的命名規(guī)則，并嚴格遵守； 6. 名稱縮寫要達成約定。 文中課程 更多精彩課程、實驗、微認證，盡在??來自：百科![]()
所設計的數(shù)據(jù)庫系統(tǒng)用到的所有信息，明確信息來源，方式，數(shù)據(jù)格式和內(nèi)容。 2. 處理需求 把用戶用業(yè)務語言描述的需求轉(zhuǎn)化成計算機系統(tǒng)或者開發(fā)人員能夠理解的設計需求。所以要描述數(shù)據(jù)處理的操作功能。操作的先后次序，操作的執(zhí)行頻率，場合，操作和數(shù)據(jù)間的聯(lián)系，同時還要明確用戶要求的響應時間來自：百科![]()
數(shù)據(jù)庫中字段的物理化 數(shù)據(jù)庫中字段的物理化 時間：2021-06-02 14:49:07 數(shù)據(jù)庫 數(shù)據(jù)庫設計中，字段的物理化要選擇合適的類型，考慮以下因素： 1. 盡量使用短字段的數(shù)據(jù)類型 長度較短的數(shù)據(jù)類型不僅可以減小數(shù)據(jù)文件的大小，提升IO性能；同時也可以減小相關(guān)計算時的內(nèi)存消耗，提升計算性能。來自：百科
看了本文的人還看了