-
LSTM 单词语言模型上的动态量化（beta）
LSTM 单词语言模型上的动态量化（beta） 简介 1.定义模型 2.加载文本数据 3.加载预先训练的模型 4.测试动态量化 总结 LSTM 单词语言模型上的动态量化（beta） 原文：https://pytorch.org/tutorials/advanced/dynamic_quantization_tutorial.html ... -
为什么使用消息队列？
为什么使用消息队列？ 面试题 面试官心理分析 面试题剖析 为什么使用消息队列 解耦 异步 削峰 消息队列有什么优缺点 Kafka、ActiveMQ、RabbitMQ、RocketMQ 有什么优缺点？ 为什么使用消息队列？ 面试题 为什么使用消息队列？ 消息队列有什么优点和缺点？ Kafka、ActiveMQ、RabbitMQ、Ro... -
8.4 集合的类型
8.4 集合的类型 8.4.1 Vector 8.4.2 BitSet 8.4.3 Stack 8.4.4 Hashtable 8.4.5 再论枚举器 8.4 集合的类型 标准Java 1.0和1.1库配套提供了非常少的一系列集合类。但对于自己的大多数编程要求，它们基本上都能胜任。正如大家到本章末尾会看到的，Java 1.2提供的是一... -
11.3 反射：运行期类信息
11.3 反射：运行期类信息 11.3.1 一个类方法提取器 11.3 反射：运行期类信息 如果不知道一个对象的准确类型，RTTI会帮助我们调查。但却有一个限制：类型必须是在编译期间已知的，否则就不能用RTTI调查它，进而无法展开下一步的工作。换言之，编译器必须明确知道RTTI要处理的所有类。 从表面看，这似乎并不是一个很大的限制，但假若得到的是一... -
九、模型验证
九、模型验证 准确率 创建基线分类模型 创建基线回归模型 交叉验证流水线 带有网格搜索参数调优的交叉验证 交叉验证 自定义表现指标 F1 得分 生成表现的文本报告 嵌套交叉验证 绘制学习曲线 绘制 ROC 曲线 绘制验证曲线 精确率 召回率 将数据分割为训练和测试集 九、模型验证 作者：Chris Albon 译者：飞... -
训练分类器
训练分类器 数据呢？ 训练图像分类器 1.加载并标准化 CIFAR10 2.定义卷积神经网络 3.定义损失函数和优化器 4.训练网络 5.根据测试数据测试网络 在 GPU 上进行训练 在多个 GPU 上进行训练 我下一步要去哪里？ 训练分类器 原文：https://pytorch.org/tutorials/beginner/bl... -
第13章 创建窗口和程序片
第13章 创建窗口和程序片 第13章 创建窗口和程序片 在Java 1.0中，图形用户接口（GUI）库最初的设计目标是让程序员构建一个通用的GUI，使其在所有平台上都能正常显示。 但遗憾的是，这个目标并未达到。事实上，Java 1.0版的“抽象Windows工具包”（AWT）产生的是在各系统看来都同样欠佳的图形用户接口。除此之外，它还限制我们只能使用... -
对抗示例生成
对抗示例生成 威胁模型 快速梯度符号攻击 实现 输入 受到攻击的模型 FGSM 攻击 测试函数 运行攻击 结果 准确率与ε 对抗示例样本 接下来要去哪里？ 对抗示例生成 原文：https://pytorch.org/tutorials/beginner/fgsm_tutorial.html 作者： Nathan I... -
1.3 定义新的函数
1.3 定义新的函数 1.3.1 环境 1.3.2 调用用户定义的函数 1.3.3 示例：调用用户定义的函数 1.3.4 局部名称 1.3.5 实践指南：选择名称 1.3.6 作为抽象的函数 1.3.7 运算符 1.3 定义新的函数 来源：1.3 Defining New Functions 译者：飞龙 协议：CC BY-N... -
向 CodeIgniter 贡献你的力量
向 CodeIgniter 贡献你的力量 ,支持 ,提交好问题的技巧 ,指导手册 ,PHP 代码规范 ,文档 ,兼容性 ,分支 ,签名 向 CodeIgniter 贡献你的力量 CodeIgniter 是一个社区驱动的项目，它会接受从社区里贡献的文档和代码。 这些贡献都是通过 GitHub 上 CodeIgniter 代码仓库 的 I...
