- 深度學(xué)習(xí)中物理課堂 內(nèi)容精選 換一換
-
華為云計(jì)算 云知識(shí) 深度學(xué)習(xí) 深度學(xué)習(xí) 時(shí)間:2020-11-23 16:30:56 深度學(xué)習(xí)( Deep Learning,DL)是機(jī)器學(xué)習(xí)的一種,機(jī)器學(xué)習(xí)是實(shí)現(xiàn)人工智能的必由之路。深度學(xué)習(xí)的概念源于人工神經(jīng)網(wǎng)絡(luò)的研究,包含多個(gè)隱藏層的多層感知器就是深度學(xué)習(xí)結(jié)構(gòu)。深度學(xué)習(xí)通過組來自:百科華為云計(jì)算 云知識(shí) 深度學(xué)習(xí)概覽 深度學(xué)習(xí)概覽 時(shí)間:2020-12-17 10:03:07 HCIA-AI V3.0系列課程。本課程主要講述深度學(xué)習(xí)相關(guān)的基本知識(shí),其中包括深度學(xué)習(xí)的發(fā)展歷程、深度學(xué)習(xí)神經(jīng) 網(wǎng)絡(luò)的部件、深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)不同的類型以及深度學(xué)習(xí)工程中常見的問題。 目標(biāo)學(xué)員來自:百科
- 深度學(xué)習(xí)中物理課堂 相關(guān)內(nèi)容
-
華為云計(jì)算 云知識(shí) 大V講堂——雙向深度學(xué)習(xí) 大V講堂——雙向深度學(xué)習(xí) 時(shí)間:2020-12-09 14:52:19 以當(dāng)今研究趨勢(shì)由前饋學(xué)習(xí)重新轉(zhuǎn)入雙向?qū)ε枷到y(tǒng)為出發(fā)點(diǎn),從解碼與編碼、識(shí)別與重建、歸納與演繹、認(rèn)知與求解等角度,我們將概括地介紹雙向深度學(xué)習(xí)的歷史、發(fā)展現(xiàn)狀、應(yīng)用場(chǎng)來自:百科別手寫數(shù)字的模型呢?讓我們來一探究竟吧。 數(shù)據(jù)集的選擇與準(zhǔn)備 機(jī)器學(xué)習(xí)中的傳統(tǒng)機(jī)器學(xué)習(xí)和深度學(xué)習(xí)都是數(shù)據(jù)驅(qū)動(dòng)的研究領(lǐng)域,需要基于大量的歷史數(shù)據(jù)對(duì)模型進(jìn)行訓(xùn)練,再使用模型對(duì)新的數(shù)據(jù)進(jìn)行推理和預(yù)測(cè),因此數(shù)據(jù)是機(jī)器學(xué)習(xí)中的關(guān)鍵要素之一。 MNIST數(shù)據(jù)集是目前手寫數(shù)字識(shí)別領(lǐng)域使用最為廣來自:百科
- 深度學(xué)習(xí)中物理課堂 更多內(nèi)容
-
華為云計(jì)算 云知識(shí) 基于深度學(xué)習(xí)算法的 語音識(shí)別 基于深度學(xué)習(xí)算法的語音識(shí)別 時(shí)間:2020-12-01 09:50:45 利用新型的人工智能(深度學(xué)習(xí))算法,結(jié)合清華大學(xué)開源語音數(shù)據(jù)集THCHS30進(jìn)行語音識(shí)別的實(shí)戰(zhàn)演練,讓使用者在了解語音識(shí)別基本的原理與實(shí)戰(zhàn)的同時(shí),更好的了解人工智能的相關(guān)內(nèi)容與應(yīng)用。來自:百科華為云計(jì)算 云知識(shí) 深度學(xué)習(xí):IoT場(chǎng)景下的AI應(yīng)用與開發(fā) 深度學(xué)習(xí):IoT場(chǎng)景下的AI應(yīng)用與開發(fā) 時(shí)間:2020-12-08 10:34:34 本課程旨基于自動(dòng)售賣機(jī)這一真實(shí)場(chǎng)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(chǎng)景運(yùn)用并解構(gòu)開發(fā)流程;從 物聯(lián)網(wǎng)平臺(tái)來自:百科華為云計(jì)算 云知識(shí) 數(shù)據(jù)庫設(shè)計(jì)中的物理設(shè)計(jì) 數(shù)據(jù)庫設(shè)計(jì)中的物理設(shè)計(jì) 時(shí)間:2021-06-02 14:34:01 數(shù)據(jù)庫 數(shù)據(jù)庫設(shè)計(jì)中的物理設(shè)計(jì)階段是指,在用戶確認(rèn)的邏輯模型基礎(chǔ)上,以數(shù)據(jù)庫系統(tǒng)運(yùn)行效率,業(yè)務(wù)操作效率,前端應(yīng)用效率等因素為出發(fā)點(diǎn)對(duì)模型進(jìn)行的調(diào)整。面向物理實(shí)施過程的來自:百科
- 深度學(xué)習(xí)在物理層信號(hào)處理中的應(yīng)用研究
- 華為云在線課堂AI技術(shù)領(lǐng)域課程“深度學(xué)習(xí)”學(xué)習(xí)心得體會(huì)
- 深度學(xué)習(xí)算法中的集成學(xué)習(xí)(Ensemble Learning)與深度學(xué)習(xí)的結(jié)合
- 深度學(xué)習(xí)算法中的深度強(qiáng)化學(xué)習(xí)(Deep Reinforcement Learning)
- 深度學(xué)習(xí)中的遷移學(xué)習(xí):應(yīng)用與實(shí)踐
- OpenCV中的深度學(xué)習(xí)姿態(tài)估計(jì)
- OpenCV中的深度學(xué)習(xí)車輛檢測(cè)
- 華為云在線課堂AI技術(shù)領(lǐng)域課程“深度學(xué)習(xí)”學(xué)習(xí)心得體會(huì)---第二周
- 華為云在線課堂AI技術(shù)領(lǐng)域課程“深度學(xué)習(xí)”學(xué)習(xí)心得體會(huì)---第四周
- 深度學(xué)習(xí)算法中的 遷移學(xué)習(xí)(Transfer Learning)