- 深度學(xué)習(xí)的硬件基礎(chǔ) 內(nèi)容精選 換一換
-
征形成更抽象的高層代表屬性類別或特征,發(fā)現(xiàn)數(shù)據(jù)分布式特征表示。研究深入學(xué)習(xí)的動(dòng)機(jī)是建立模擬大腦分析學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò),它模擬大腦的機(jī)制來(lái)解釋說(shuō)明數(shù)據(jù),如圖像、聲音、文本等數(shù)據(jù)。 深度學(xué)習(xí)的典型模型:卷積神經(jīng)網(wǎng)絡(luò)模型、深度信任網(wǎng)絡(luò)模型、堆棧自編碼網(wǎng)絡(luò)模型。 深度學(xué)習(xí)的應(yīng)用:計(jì)算機(jī)視覺(jué)、 語(yǔ)音識(shí)別 、自然語(yǔ)言處理等其他領(lǐng)域。來(lái)自:百科、自動(dòng)機(jī)器學(xué)習(xí)等領(lǐng)域。 課程簡(jiǎn)介 本教程介紹了AI解決方案深度學(xué)習(xí)的發(fā)展前景及其面臨的巨大挑戰(zhàn);深度神經(jīng)網(wǎng)絡(luò)的基本單元組成和產(chǎn)生表達(dá)能力的方式及復(fù)雜的訓(xùn)練過(guò)程。 課程目標(biāo) 通過(guò)本課程的學(xué)習(xí),使學(xué)員: 1、了解深度學(xué)習(xí)。 2、了解深度神經(jīng)網(wǎng)絡(luò)。 課程大綱 第1章 深度學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)來(lái)自:百科
- 深度學(xué)習(xí)的硬件基礎(chǔ) 相關(guān)內(nèi)容
-
來(lái)自:百科本課程介紹了雙向深度學(xué)習(xí)理論、算法和應(yīng)用示例,讓你對(duì)雙向深度學(xué)習(xí)有初步的認(rèn)知。 課程目標(biāo) 通過(guò)本課程的學(xué)習(xí),使學(xué)員: 1、認(rèn)識(shí)雙向智能。 2、了解深度雙向智能的理論、算法和應(yīng)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(lái)的智能世界,數(shù)字化來(lái)自:百科
- 深度學(xué)習(xí)的硬件基礎(chǔ) 更多內(nèi)容
-
云知識(shí) 基于深度學(xué)習(xí)算法的語(yǔ)音識(shí)別 基于深度學(xué)習(xí)算法的語(yǔ)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(kāi)源語(yǔ)音數(shù)據(jù)集THCHS30進(jìn)行語(yǔ)音識(shí)別的實(shí)戰(zhàn)演練,讓使用者在了解語(yǔ)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(lái)自:百科更好的訓(xùn)練效果。 本次訓(xùn)練所使用的經(jīng)過(guò)數(shù)據(jù)增強(qiáng)的圖片 基于深度學(xué)習(xí)的識(shí)別方法 與傳統(tǒng)的機(jī)器學(xué)習(xí)使用簡(jiǎn)單模型執(zhí)行分類等任務(wù)不同,此次訓(xùn)練我們使用深度神經(jīng)網(wǎng)絡(luò)作為訓(xùn)練模型,即深度學(xué)習(xí)。深度學(xué)習(xí)通過(guò)人工神經(jīng)網(wǎng)絡(luò)來(lái)提取特征,不同層的輸出常被視為神經(jīng)網(wǎng)絡(luò)提取出的不同尺度的特征,上一層的輸出來(lái)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(kāi)發(fā) 深度學(xué)習(xí):IoT場(chǎng)景下的AI應(yīng)用與開(kāi)發(fā) 時(shí)間:2020-12-08 10:34:34 本課程旨基于自動(dòng)售賣(mài)機(jī)這一真實(shí)場(chǎng)景開(kāi)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(kāi)發(fā)流程;從 物聯(lián)網(wǎng)平臺(tái)來(lái)自:百科3.吞吐量 使用系統(tǒng)的吞吐量來(lái)定義處理數(shù)據(jù)的整體能力。數(shù)據(jù)庫(kù)的吞吐量以每秒的查詢次數(shù)、每秒的處理事務(wù)數(shù)量或平均響應(yīng)時(shí)間來(lái)測(cè)量。數(shù)據(jù)庫(kù)的處理能力與底層系統(tǒng)(磁盤(pán)I/O,CPU速度,存儲(chǔ)器帶寬等)有密切的關(guān)系,所以當(dāng)設(shè)置數(shù)據(jù)庫(kù)吞吐量目標(biāo)時(shí),需要提前了解硬件的性能。 4.競(jìng)爭(zhēng) 競(jìng)爭(zhēng)是來(lái)自:專題由于一般數(shù)據(jù)庫(kù)系統(tǒng)所存放和處理的數(shù)據(jù)量很大,加之DBMS豐富的功能軟件,使得自身所占用的存儲(chǔ)空間很大,因此整個(gè)數(shù)據(jù)庫(kù)系統(tǒng)對(duì)硬件資源提出了較高的要求。 這些要求是: ①有足夠大的內(nèi)存以存放操作系統(tǒng)、DBMS的核心模塊、數(shù)據(jù)緩沖區(qū)和應(yīng)用程序; ②有足夠大的直接存取設(shè)備存放數(shù)據(jù)(如磁盤(pán)),有足夠的存儲(chǔ)設(shè)備來(lái)進(jìn)行數(shù)據(jù)備份;來(lái)自:專題華為云計(jì)算 云知識(shí) CBR中的基礎(chǔ)概念 CBR中的基礎(chǔ)概念 時(shí)間:2021-07-02 10:50:39 CBR中的常用基礎(chǔ)概念有: 1. 存儲(chǔ)庫(kù) 云備份使用存儲(chǔ)庫(kù)來(lái)存放備份,存儲(chǔ)庫(kù)分為備份存儲(chǔ)庫(kù)和復(fù)制存儲(chǔ)庫(kù)兩種。 2. 復(fù)制 復(fù)制是指將一個(gè)區(qū)域已經(jīng)生成的備份 數(shù)據(jù)復(fù)制 到另一個(gè)區(qū)域。來(lái)自:百科
- 深度學(xué)習(xí)基礎(chǔ)與技巧
- 深度學(xué)習(xí)基礎(chǔ)-優(yōu)化算法詳解
- 深度學(xué)習(xí)基礎(chǔ)-損失函數(shù)詳解
- 【SoC FPGA學(xué)習(xí)】二、SoC FPGA硬件初探,基礎(chǔ)掃盲
- 深度學(xué)習(xí)基礎(chǔ)-機(jī)器學(xué)習(xí)基本原理
- 深度學(xué)習(xí)前常見(jiàn)的python基礎(chǔ)知識(shí)
- 對(duì)深度學(xué)習(xí)概念的基礎(chǔ)理解與認(rèn)識(shí)
- 深度學(xué)習(xí)基礎(chǔ):1.張量的基本操作
- 《MXNet深度學(xué)習(xí)實(shí)戰(zhàn)》—3 MXNet基礎(chǔ)
- 深度學(xué)習(xí)算法:從基礎(chǔ)到實(shí)踐