首页
学习
活动
专区
工具
TVP
发布

xingoo, 一个梦想做发明家的程序员

专栏作者
805
文章
903865
阅读量
80
订阅数
Kubeflow实战: 入门介绍与部署实践
Kubeflow是在k8s平台之上针对机器学习的开发、训练、优化、部署、管理的工具集合,内部集成的方式融合机器学习中的很多领域的开源项目,比如Jupyter、tfserving、Katib、Fairing、Argo等。可以针对机器学习的不同阶段:数据预处理、模型训练、模型预测、服务管理等进行管理。只要安装了k8s,可以在本地、机房、云环境中部署。
用户1154259
2020-08-11
3.6K0
吴恩达机器学习笔记 —— 9 神经网络学习
在传统的线性回归或者逻辑回归中,如果特征很多,想要手动组合很多有效的特征是不现实的;而且处理这么大的特征数据量,计算上也很复杂。
用户1154259
2018-07-31
2680
吴恩达机器学习笔记 —— 10 神经网络参数的反向传播算法
神经网络可以理解为两个过程:信号的正向传播和误差的反向传播。在正向的传播过程中,计算方法为Sj=wijxi+bj,其中i是样本、j是层数。然后xj=f(Sj),f为激活函数。引入激活函数的原因是可以带来一定的非线性特性。由于样本的y是在最后一层输出的,因此在计算误差的时候,需要从最后一层开始计算、针对与之关联的参数进行求梯度,获得参数的更新。然后再计算前一层的误差,前一层的误差等于权值误差值,继续计算每个参数的梯度变化。在神经网络中很容易形成局部最优解,因此需要初始的随机性比较好。
用户1154259
2018-07-31
3540
没有更多了
社区活动
RAG七天入门训练营
鹅厂大牛手把手带你上手实战
Python精品学习库
代码在线跑,知识轻松学
博客搬家 | 分享价值百万资源包
自行/邀约他人一键搬运博客,速成社区影响力并领取好礼
技术创作特训营·精选知识专栏
往期视频·千货材料·成员作品 最新动态
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档