撰写于:  浏览:1489 次  分类:默认分类
1、封面介绍2、出版时间2020年11月3、推荐理由小程序·云开发的出现,让前端工程师就可以实现小程序开发,无需再配备后端开发工程师和运维人员,但是前端工程师往往不擅长UI设计,为了解决这个问题,本书在开发案例的时候引入了目前最流行的小程序组件库Vant Weapp、ColorUI等组件库,前端工程师开发人员只需关注好业务逻辑,就能单独完成小程序开[...]

撰写于:  浏览:1754 次  分类:默认分类
1、封面介绍2、出版时间2021年5月3、推荐理由腾讯一线人士联合作品,通过云开发具体案例+完整项目实战,详解小程序开发原理、运行机制、避坑指南,带你快速入门小程序开发。本书全面讲解小程序开发原理、运行机制和云开发。首先,从小程序开发入门开始,通过实用的项目案例,教会读者如何快速编写小程序应用;其次,深入讲解小程序底层框架设计原理和运行机制,为读者[...]

撰写于:  浏览:2220 次  分类:Python 电子书
1、封面介绍2、出版时间2021年3月3、推荐理由通过学习本书提供的500多个实际示例,读者将学会使用交互式IPython解释器和Jupyter Notebook并快速掌握Python编码方法。在学习完第1~5章的Python基础知识以及第6和7章的一些关键内容之后,读者将能够处理第11~16章中有关人工智能案例的重要实操内容,包括自然语言处理,用[...]

撰写于:  浏览:1647 次  分类:PyTorch 教程
1、封面介绍2、出版时间2021年2月3、推荐理由本书全面介绍了深度学习知识,借助数学公式、示意图和代码,旨在帮助读者从数学层面、概念层面和应用层面理解神经网络。读者可以跟随本书构建和训练神经网络模型,从而解决实际问题。另外,本书着重介绍卷积神经网络和循环神经网络,并提供PyTorch开源神经网络库的使用方法,有助于学习构建更高级的神经网络架构。4[...]

撰写于:  浏览:2282 次  分类:默认分类
1、封面介绍2、出版时间2022年1月3、推荐理由作为一门应用型学科,机器学习植根于数学理论,落地于代码实现。这就意味着,掌握公式推导和代码编写,方能更加深入地理解机器学习算法的内在逻辑和运行机制。本书在对全部机器学习算法进行分类梳理的基础之上,分别对监督学习单模型、监督学习集成模型、无监督学习模型、概率模型四个大类共26个经典算法进行了细致的公式[...]

撰写于:  浏览:858 次  分类:默认分类
1、封面介绍2、出版时间2016年1月3、推荐理由这是一本面向中文读者的机器学习教科书,为了使尽可能多的读者通过本书对机器学习有所了解,作者试图尽可能少地使用数学知识。然而,少量的概率、统计、代数、优化、逻辑知识似乎不可避免,因此,本书更适合大学三年级以上的理工科本科生和研究生,以及具有类似背景的对机器学习感兴趣的人士,为方便读者,本书附录给出了一[...]

撰写于:  浏览:1204 次  分类:PyTorch 教程
我们知道深度神经网络一旦开始训练起来,那么中间层的输入参数就要发生变更,网络中每一层的输入数据分布一直在发生变化的。即便在输入层,我们已经人为的为每个样本归一化,但是仍然阻止不了后面网络每一层的输入数据的分布变化,因为在训练的时候,前面层训练参数的更新将导致后面层输入数据分布的变化。以网络第二层为例:网络的第二层输入,是由第一层的学习参数和inpu[...]

撰写于:  浏览:985 次  分类:默认分类
1、人工智能行业的现状:冰火两重天根据不同的应用领域,人工智能行业可以分为视觉类人工智能、语音及语义类人工智能和决策类人工智能。通常,我们接触的都是视觉类、语音类的人工智能,它们主要用来帮助人类执行具体任务,例如人脸识别,语音控制等等,而决策类AI更像企业的“智囊团”,给企业提供服务,而非个人,比如精准营销、风险管理、运营优化等等。客观的说,决策类[...]

撰写于:  浏览:2089 次  分类:默认分类
nn.LayerNorm 简介在Transformer中一般采用LayerNorm,LayerNorm也是归一化的一种方法,与BatchNorm不同的是它是对每单个batch进行的归一化,而BatchNorm是对所有batch一起进行归一化的,如下所示:nn.LayerNorm 参数介绍nn.LayerNorm(normalized_shape, [...]

撰写于:  浏览:2071 次  分类:默认分类
在推荐系统的实现中,几乎总会遇到从较多候选集中为用户选取特定的少数几个物品进行推荐,这本质上是一个Ranking问题。BPR Loss是用得比较多的一种Raking Loss,它是基于Bayesian Personalized Ranking。BPR Loss 的思想很简单,就是让正样本和负样本的得分之差尽可能达到最大。具体公式如下:

撰写于:  浏览:1606 次  分类:PyTorch 教程
Seq2Seq模型可以用于处理输入序列和输出序列长度不相同的问题。常用的场景有:机器翻译、语音识别和文字识别三个领域为例。1、机器翻译领域比如将“ABC”输入序列翻译成“WXYZ”输出序列。Seq2Seq模型可以处理输入序列和输出序列长度不同问题。2、语音识别在attention-based的Seq2Seq基础上,引入了混合attention机制,[...]

撰写于:  浏览:1015 次  分类:PyTorch 教程
什么是Seq2Seq?所谓Seq2Seq(Sequence to Sequence),就是一种能够根据给定的序列,通过特定的方法生成另一个序列的方法。它被提出于2014年,最早由两篇文章独立地阐述了它主要思想,分别是Google Brain团队的《Sequence to Sequence Learning with Neural Networks》[...]

撰写于:  浏览:3863 次  分类:PyTorch 教程
提示:本文更新于2024年8月12日《Attention Is All You Need》是一篇Google提出的将Attention思想发挥到极致的论文。这篇论文中提出一个全新的模型名字叫Transformer,它抛弃了以往深度学习任务里面使用到的CNN和RNN,它完全基于注意力机制,不需要重复和卷积。同时,更具并行性,需要的训练时间显著减少。后[...]

撰写于:  浏览:1966 次  分类:默认分类
1、封面介绍2、出版时间2021年11月3、推荐理由人工智能(Artificial Intelligence,AI)是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能的研究领域包括机器人、语音识别、图像识别、自然语言处理和专家系统等。机器学习就是用算法解析数据,不断学习,对世界中发生的事做出判断和预测的[...]

撰写于:  浏览:2075 次  分类:默认分类
1、封面介绍2、出版时间2022年2月3、推荐理由认知的高度决定了你创造价值的高度,包括你对世界的认知及世界对你的认知。知识图谱与认知智能技术的发展,既孕育了圈层变更的机会,也带来了人、机器、企业如何协同与博弈的难题。本书总计12章,从理论到产业应用对知识图谱与认知智能进行了介绍。第1~7章围绕知识图谱与认知智能的需求,以用户、设备、企业为中心,讲[...]

关注公众号,每天学一个AI知识

    友情链接