积分充值
 首页
前端开发
AngularDartElectronFlutterHTML/CSSJavaScriptReactSvelteTypeScriptVue.js构建工具
后端开发
.NetC#C++C语言DenoffmpegGoIdrisJavaJuliaKotlinLeanMakefilenimNode.jsPascalPHPPythonRISC-VRubyRustSwiftUML其它语言区块链开发测试微服务敏捷开发架构设计汇编语言
数据库
Apache DorisApache HBaseCassandraClickHouseFirebirdGreenplumMongoDBMySQLPieCloudDBPostgreSQLRedisSQLSQLiteTiDBVitess数据库中间件数据库工具数据库设计
系统运维
AndroidDevOpshttpdJenkinsLinuxPrometheusTraefikZabbix存储网络与安全
云计算&大数据
Apache APISIXApache FlinkApache KarafApache KyuubiApache OzonedaprDockerHadoopHarborIstioKubernetesOpenShiftPandasrancherRocketMQServerlessService MeshVirtualBoxVMWare云原生CNCF机器学习边缘计算
综合其他
BlenderGIMPKiCadKritaWeblate产品与服务人工智能亿图数据可视化版本控制笔试面试
文库资料
前端
AngularAnt DesignBabelBootstrapChart.jsCSS3EchartsElectronHighchartsHTML/CSSHTML5JavaScriptJerryScriptJestReactSassTypeScriptVue前端工具小程序
后端
.NETApacheC/C++C#CMakeCrystalDartDenoDjangoDubboErlangFastifyFlaskGinGoGoFrameGuzzleIrisJavaJuliaLispLLVMLuaMatplotlibMicronautnimNode.jsPerlPHPPythonQtRPCRubyRustR语言ScalaShellVlangwasmYewZephirZig算法
移动端
AndroidAPP工具FlutterFramework7HarmonyHippyIoniciOSkotlinNativeObject-CPWAReactSwiftuni-appWeex
数据库
ApacheArangoDBCassandraClickHouseCouchDBCrateDBDB2DocumentDBDorisDragonflyDBEdgeDBetcdFirebirdGaussDBGraphGreenPlumHStreamDBHugeGraphimmudbIndexedDBInfluxDBIoTDBKey-ValueKitDBLevelDBM3DBMatrixOneMilvusMongoDBMySQLNavicatNebulaNewSQLNoSQLOceanBaseOpenTSDBOracleOrientDBPostgreSQLPrestoDBQuestDBRedisRocksDBSequoiaDBServerSkytableSQLSQLiteTiDBTiKVTimescaleDBYugabyteDB关系型数据库数据库数据库ORM数据库中间件数据库工具时序数据库
云计算&大数据
ActiveMQAerakiAgentAlluxioAntreaApacheApache APISIXAPISIXBFEBitBookKeeperChaosChoerodonCiliumCloudStackConsulDaprDataEaseDC/OSDockerDrillDruidElasticJobElasticSearchEnvoyErdaFlinkFluentGrafanaHadoopHarborHelmHudiInLongKafkaKnativeKongKubeCubeKubeEdgeKubeflowKubeOperatorKubernetesKubeSphereKubeVelaKumaKylinLibcloudLinkerdLonghornMeiliSearchMeshNacosNATSOKDOpenOpenEBSOpenKruiseOpenPitrixOpenSearchOpenStackOpenTracingOzonePaddlePaddlePolicyPulsarPyTorchRainbondRancherRediSearchScikit-learnServerlessShardingSphereShenYuSparkStormSupersetXuperChainZadig云原生CNCF人工智能区块链数据挖掘机器学习深度学习算法工程边缘计算
UI&美工&设计
BlenderKritaSketchUI设计
网络&系统&运维
AnsibleApacheAWKCeleryCephCI/CDCurveDevOpsGoCDHAProxyIstioJenkinsJumpServerLinuxMacNginxOpenRestyPrometheusServertraefikTrafficUnixWindowsZabbixZipkin安全防护系统内核网络运维监控
综合其它
文章资讯
 上传文档  发布文章  登录账户
IT文库
  • 综合
  • 文档
  • 文章

无数据

分类

全部云计算&大数据(54)OpenShift(24)机器学习(19)Kubernetes(5)云原生CNCF(3)Docker(1)Hadoop(1)Service Mesh(1)

语言

全部中文(简体)(52)英语(2)

格式

全部PDF文档 PDF(54)
 
本次搜索耗时 0.052 秒,为您找到相关结果约 54 个.
  • 全部
  • 云计算&大数据
  • OpenShift
  • 机器学习
  • Kubernetes
  • 云原生CNCF
  • Docker
  • Hadoop
  • Service Mesh
  • 全部
  • 中文(简体)
  • 英语
  • 全部
  • PDF文档 PDF
  • 默认排序
  • 最新排序
  • 页数排序
  • 大小排序
  • 全部时间
  • 最近一天
  • 最近一周
  • 最近一个月
  • 最近三个月
  • 最近半年
  • 最近一年
  • pdf文档 阿里云上深度学习建模实践-程孟力

    SDK/API  多语言、国际化  多种证件版式  准确率领先同类产品  集成方便 标准化: Standard Solutions 智能推荐解决方案: 推荐请求 PAI-Studio–建模平台 召 回 模 型 EasyRec GraphLearn Alink 排 序 模 型 模型训练评估 PAI-EAS – 模型推理 model1 model2 … PAI-ABTest 计算引擎(MaxCompute / EMR / Flink) 基础硬件(CPU/GPU/FPGA/NPU) 阿里云容器服务(ACK) • 200+组件 • 数十个场景化模版 • 所见即所得 交互式建模(DSW) • JupyterLab、WebIDE • 多框架兼容 • 可视化+tensorboard • 图像、视频、文本、 语音标注 • 多场景模板:物体检 测、语音识别 • 数据集管理 • 一键部署、弹性扩缩 • 多框架、多语言 • 推理优化Blade • 多维度监控+报警 • 自定义镜像 • 全托管+半托管 • 分布式训练优化 • 超大资源池 智能标注 可视化建模(Designer) 分布式训练(DLC) 在线服务(EAS) 生态市场 开发者工具 • CLI • PAIFlow • OpenAPI AI能力 体验中心 开源 PAI平台(Platform
    0 码力 | 40 页 | 8.51 MB | 1 年前
    3
  • pdf文档 机器学习课程-温州大学-机器学习项目流程

    数据清洗 03 特征工程 04 数据建模 3 1.机器学习项目流程概述 01 机器学习项目流程概述 02 数据清洗 03 特征工程 04 数据建模 4 机器学习的一般步骤 5 机器学习的一般步骤 数据搜集 数据清洗 特征工程 数据建模 6 机器学习的一般步骤 数据搜集 数据清洗 特征工程 数据建模 • 基于性能指标比较几种机 器学习模型 特征选择 • 网络下载 • 网络爬虫 • 数据库读取 • 开放数据 • …… 7 2.数据清洗 01 机器学习项目流程概述 02 数据清洗 03 特征工程 04 数据建模 8 2.数据清洗 什么是数据清洗? 数据清洗是指发现并纠正数据文件中可识别的错误的最后一道程序,包 括检查数据一致性,处理无效值和缺失值等。与问卷审核不同,录入后 的数据清理一般是由计算机而不是人工完成。 探索性数据分析(EDA)是一个开放式流程,我们制作绘图并计算 统计数据,以便探索我们的数据。 •目的是找到异常,模式,趋势或关系。 这些可能是有趣的(例如, 找到两个变量之间的相关性),或者它们可用于建模决策,例如使 用哪些特征。 •简而言之,EDA的目标是确定我们的数据可以告诉我们什么! 探索性数据分析(EDA) 11 探索性数据分析(EDA) 单变量图显示此变量的分布 plt.hist()可以显示单变量图,也叫
    0 码力 | 26 页 | 1.53 MB | 1 年前
    3
  • pdf文档 动手学深度学习 v2.0

    组件。因此,神经网络——我们在本书中 关注的深度学习模型的前身,被认为是过时的工具。 就在过去的五年里,深度学习给世界带来了惊喜,推动了计算机视觉、自然语言处理、自动语音识别、强化学 习和统计建模等领域的快速发展。有了这些进步,我们现在可以制造比以往任何时候都更自主的汽车(不过 可能没有一些公司试图让大家相信的那么自主),可以自动起草普通邮件的智能回复系统,帮助人们从令人 压抑的大收件箱 部分原因是开发了功能强大、文档完整的框架。 测试深度学习的潜力带来了独特的挑战,因为任何一个应用都会将不同的学科结合在一起。应用深度学习需 要同时了解(1)以特定方式提出问题的动机;(2)给定建模方法的数学; (3)将模型拟合数据的优化算法; (4) 能够有效训练模型、克服数值计算缺陷并最大限度地利用现有硬件的工程方法。同时教授表述问题所需的批 判性思维技能、解决问题所需的数学知识,以及 断的鼓励,这本书就不会出版。 小结 • 深度学习已经彻底改变了模式识别,引入了一系列技术,包括计算机视觉、自然语言处理、自动语音识 别。 • 要成功地应用深度学习,必须知道如何抛出一个问题、建模的数学方法、将模型与数据拟合的算法,以 及实现所有这些的工程技术。 • 这本书提供了一个全面的资源,包括文本、图表、数学和代码,都集中在一个地方。 • 要回答与本书相关的问题,请访问我们的论坛discuss
    0 码力 | 797 页 | 29.45 MB | 1 年前
    3
  • pdf文档 房源质量打分中深度学习应用及算法优化-周玉驰

    COPYRIGHTS RESERVED 10 AI选房 - 房源质量打分   好房定义 AI选房建模 Y = f (X)  Y:未来?天能否成交  X:最近?天房源产生的所有行为  样本:挂牌满?天的房源 2019 KE.COM ALL COPYRIGHTS RESERVED 11 AI选房建模  成交/带看具有周期性  周期性单位:周 2019年3月每天的成交量和带看量 作业周期性分析 作业周期性分析 时间选择:周的倍数 2019 KE.COM ALL COPYRIGHTS RESERVED 12 AI选房建模  Y:未来?天能否成交  X:最近?天房源产生的所有行为  样本:挂牌满?天的房源  时间太短:信息传递不充分  时间太长: - 中间出现其他原因导致成交 - 无法及时反馈效果  综合考虑,并对比测试:选择2周 Y = f (X)  对比测试:选择2周  Y:未来?天能否成交  X:最近?天房源产生的所有行为  样本:挂牌满?天的房源 2019 KE.COM ALL COPYRIGHTS RESERVED 13 AI选房建模  Y:未来?天能否成交  X:最近?天房源产生的所有行为  样本:挂牌满?天的房源 Y = f (X)  行为特征选择14天进行聚合  挂牌不足14天房源,行为特征信息不足
    0 码力 | 48 页 | 3.75 MB | 1 年前
    3
  • pdf文档 第29 期| 2023 年9 月- 技术雷达

    数据的数据产品思维 7. OIDC for GitHub Actions 8. 使用 Terraform 创建监控和告警 9. ReAct 提示工程 10. 检索增强生成 11. 基于风险的故障建模 12. 大语言模型半结构化自然语言输入 13. 追踪健康债务状况 14. 对告警规则的单元测试 15. CI/CD 的零信任保护 评估 16. 通过依赖健康检查化解包幻觉风险 17. 设计系统决策记录 数据的数据产品思维 7. OIDC for GitHub Actions 8. 使用 Terraform 创建监控和告警 9. ReAct 提示工程 10. 检索增强生成 11. 基于风险的故障建模 12. 大语言模型半结构化自然语言输入 13. 追踪健康债务状况 14. 对告警规则的单元测试 15. CI/CD 的零信任保护 评估 16. 通过依赖健康检查化解包幻觉风险 17. 设计系统决策记录 对各种需要大量知识的 NLP 任务十分有用,包括问答,总结和故事生成。 技术 © Thoughtworks, Inc. All Rights Reserved. 15 11. 基于风险的故障建模 试验 基于风险的故障建模是一种用于了解系统发生故障的可能性、潜在影响和检测手段的方法。交付团队逐渐开始使 用这种方法来设计和评估预防故障所需的控制措施。该方法源自故障模式与影响分析(FMEA)的实践。FMEA
    0 码力 | 43 页 | 2.76 MB | 1 年前
    3
  • pdf文档 OpenShift Container Platform 4.12 专用硬件和驱动程序启用

    (KMM) 也使用 Driver Toolkit,它目前作为 OperatorHub 上的社区 Operator 提供。KMM 支持树外和第三方内核驱动程序以及底层操作系统的支持软件。用户可以为 KMM 创建模块以构建和部署驱动程序容器,并支持设备插件或指标等软件。模块可以包含构建配置,用于在 Driver Toolkit 上构建基于驱动程序容器的驱动程序,或者 KMM 可以部署预构建驱动程序容器。 2 (如果已配置)。 模块加载守护进程设置资源运行 ModuleLoader 镜像来加载内核模块。模块加载程序镜像是一个 OCI 镜 像,其中包含 .ko 文件和 modprobe 和 sleep 二进制文件。 创建模块加载程序 pod 时,pod 会运行 modprobe 将指定的模块插入到内核中。然后,它会进入睡眠状 态,直到终止为止。发生这种情况时,ExecPreStop hook 将运行 modprobe kernelMappings,并找到适当的容器镜像名称。如果 内核映射定义了 build 或 sign,且容器镜像尚不存在,请根据需要运行构建、签名作业或两 者。 b. 使用上一步中确定的容器镜像创建模块加载程序守护进程集。 c. 如果定义了 .spec.devicePlugin,请使用 .spec.devicePlugin.container 中指定的配置创建 一个设备插件守护进程集。 4
    0 码力 | 54 页 | 591.48 KB | 1 年前
    3
  • pdf文档 机器学习课程-温州大学-Scikit-learn

    train_test_split from sklearn.linear_model import LinearRegression from sklearn.metrics import r2_score 基本建模流程 9 2.Scikit-learn主要用法 ✓Scikit-learn支持以NumPy的arrays对象、Pandas对象、SciPy的稀 疏 矩阵及其他可转换为数值型arrays的数据结构作为其输入,前提是 基模型都可以作为estimator参数传入 14 2.Scikit-learn主要用法 监督学习算法-回归 from sklearn.linear_model import LinearRegression 构建模型实例 lr = LinearRegression(normalize=True) 训练模型 lr.fit(X_train, y_train) 作出预测 y_pred = lr.predict(X_test) n_iter=10) random_search.fit(X_train, y_train) random_search.best_params_ 在参数子空间中进行随机搜索,选取空间中的100个点进行建模(可从 scipy.stats常见分布如正态分布norm、均匀分布uniform中随机采样 得到),时间耗费较少,更容易找到局部最优 28 3.Scikit-learn案例 01 Scikit-learn概述
    0 码力 | 31 页 | 1.18 MB | 1 年前
    3
  • pdf文档 中国移动磐舟DevSecOps平台云原生安全实践

    安全需求分析通过将安全策略左移至软件开发生命周期的初始阶段,着重在需求设计环节确定关键安全要求,旨在降低风险暴露 并增强产品安全质量。安全团队针对企业内部的业务流程和场景展开威胁建模与风险识别,同时依据实际生产漏洞的运营情况完 善威胁建模知识库,持续优化和维护内部安全需求知识库以适应不断变化的安全挑战。 ①需求分析阶段,分析业务需求,选择相应的安全需求 分类,并添加至安全需求清单列表 ②根据安全需求清单选择安全设计要求,整理为安全设 在业务上线后,容器安全工具基于内置检测规则+行为学习+自定义策略,多维度保障容器运行时的安全。 已知威胁方面,通过丰富的内置安全策略,对业务容器行为进行实时监测,及时发现风险。 未知威胁方面,通过对业务容器行为进行学习建模,感知业务行为偏离,发现未知风险。并提供隔离、暂停、重启等处置能力。 DevSecOps安全防护流程 从源头进行安全加固:上线前安全需求分析、代码扫描SAST\软件成分分析SCA、灰盒扫描IAST、镜像扫描、APP扫描,
    0 码力 | 22 页 | 5.47 MB | 1 年前
    3
  • pdf文档 Keras: 基于 Python 的深度学习库

    或 cPickle 来保存 Keras 模型。 你可以使用 model.save(filepath) 将 Keras 模型保存到单个 HDF5 文件中,该文件将包含: • 模型的结构,允许重新创建模型 快速开始 29 • 模型的权重 • 训练配置项(损失函数,优化器) • 优化器状态,允许准确地从你上次结束的地方继续训练。 你可以使用 keras.models.load_model(filepath) 文件是人类可读的,如果需要还可以手动编辑。 你可以从这些数据建立一个新的模型: # 从 JSON 重建模型: from keras.models import model_from_json model = model_from_json(json_string) # 从 YAML 重建模型: from keras.models import model_from_yaml model 表示填充输入以使输出具有与原始输入相同的长度。"causal" 表示因果(膨胀)卷积,例 如,output[t] 不依赖于 input[t+1:],在模型不应违反时间顺序的时间数据建模时非常有用。 在模型不应违反时间顺序的时间数据建模时非常有用。详见 WaveNet: A Generative Model for Raw Audio, section 2.1。 • dilation_rate: 一个
    0 码力 | 257 页 | 1.19 MB | 1 年前
    3
  • pdf文档 《TensorFlow 2项目进阶实战》2-快速上手篇:动⼿训练模型和部署服务

    Class tf.compat.v2.keras.models.Model • Class tf.keras.models.Model 使用 tf.keras.Model 构建模型 使用 tf.keras.Model 构建模型 使用 tf.keras.Model 训练模型 保存和加载 h5 模型 保存和加载 SavedModel 模型 Fashion MNIST 数据集介绍 Original
    0 码力 | 52 页 | 7.99 MB | 1 年前
    3
共 54 条
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
前往
页
相关搜索词
阿里云上深度学习建模实践程孟力机器课程温州大学项目流程动手v2房源质量打分应用算法优化周玉驰292023技术雷达OpenShiftContainerPlatform4.12专用硬件驱动程序驱动程序启用Scikitlearn中国移动中国移动磐舟DevSecOps平台原生安全Keras基于PythonTensorFlow快速入门实战上手训练模型部署服务
IT文库
关于我们 文库协议 联系我们 意见反馈 免责声明
本站文档数据由用户上传或本站整理自互联网,不以营利为目的,供所有人免费下载和学习使用。如侵犯您的权益,请联系我们进行删除。
IT文库 ©1024 - 2025 | 站点地图
Powered By MOREDOC AI v3.3.0-beta.70
  • 关注我们的公众号【刻舟求荐】,给您不一样的精彩
    关注我们的公众号【刻舟求荐】,给您不一样的精彩