 PyTorch OpenVINO 开发实战系列教程第一篇https://www.python.org/ftp/python/3.6.5/python-3.6.5- amd64.exe 2. 下载之后,双击 exe 文件安装,显示的界面如下: 图 1-1(Python3.6.5 安装界面) 注意:图 1-1 中的矩形框,必须手动选择上“add Python3.6 to PATH”之后再点击【Install Now】默认安装完成即可。 3. 安装好 Python0 码力 | 13 页 | 5.99 MB | 1 年前3 PyTorch OpenVINO 开发实战系列教程第一篇https://www.python.org/ftp/python/3.6.5/python-3.6.5- amd64.exe 2. 下载之后,双击 exe 文件安装,显示的界面如下: 图 1-1(Python3.6.5 安装界面) 注意:图 1-1 中的矩形框,必须手动选择上“add Python3.6 to PATH”之后再点击【Install Now】默认安装完成即可。 3. 安装好 Python0 码力 | 13 页 | 5.99 MB | 1 年前3
 AI大模型千问 qwen 中文文档Generation Web UI Text Generation Web UI(简称 TGW,通常被称为“oobabooga”)是一款流行的文本生成 Web 界面工具,类似 于 AUTOMATIC1111/stable-diffusion-webui 。它拥有多个交互界面,并支持多种模型后端,包括 Transformers 、 llama.cpp(通过 llama-cpp-python 实现)、ExLlamaV20 码力 | 56 页 | 835.78 KB | 1 年前3 AI大模型千问 qwen 中文文档Generation Web UI Text Generation Web UI(简称 TGW,通常被称为“oobabooga”)是一款流行的文本生成 Web 界面工具,类似 于 AUTOMATIC1111/stable-diffusion-webui 。它拥有多个交互界面,并支持多种模型后端,包括 Transformers 、 llama.cpp(通过 llama-cpp-python 实现)、ExLlamaV20 码力 | 56 页 | 835.78 KB | 1 年前3
 《TensorFlow 快速入门与实战》6-实战TensorFlow验证码识别字母,而是增加一条曲线来使得图像分割 (segmentation)更困难。 另一种增加图像分割难度的方法为将符号彼此拥挤 在一起,但其也使得真人用户比较难以识别 要求用户识别图片的验证方式,本图为模拟12306 网站的验证界面 验证码(CAPTCHA)生成 https://zh.wikipedia.org/wiki/captcha 使用 Pillow(PIL Fork) 和 captcha 库生成验证码图像: PIL0 码力 | 51 页 | 2.73 MB | 1 年前3 《TensorFlow 快速入门与实战》6-实战TensorFlow验证码识别字母,而是增加一条曲线来使得图像分割 (segmentation)更困难。 另一种增加图像分割难度的方法为将符号彼此拥挤 在一起,但其也使得真人用户比较难以识别 要求用户识别图片的验证方式,本图为模拟12306 网站的验证界面 验证码(CAPTCHA)生成 https://zh.wikipedia.org/wiki/captcha 使用 Pillow(PIL Fork) 和 captcha 库生成验证码图像: PIL0 码力 | 51 页 | 2.73 MB | 1 年前3
 超大规模深度学习在美团的应用-余建平迭代成本; • 支持Online Learning,提供从近线到在线的模型数据通路; • 提供从召回到排序全流程的模型解决方案,为业务提供最佳实践; • 提供系统的平台化工具,为用户提供易用的界面操作; MLX模型能力 MLX平台架构 MLX平台架构 • 基于Worker + PS架构搭建 • Worker  模型计算引擎(Engine)  计算图框架(Graph) • 模型计算引擎Engine0 码力 | 41 页 | 5.96 MB | 1 年前3 超大规模深度学习在美团的应用-余建平迭代成本; • 支持Online Learning,提供从近线到在线的模型数据通路; • 提供从召回到排序全流程的模型解决方案,为业务提供最佳实践; • 提供系统的平台化工具,为用户提供易用的界面操作; MLX模型能力 MLX平台架构 MLX平台架构 • 基于Worker + PS架构搭建 • Worker  模型计算引擎(Engine)  计算图框架(Graph) • 模型计算引擎Engine0 码力 | 41 页 | 5.96 MB | 1 年前3
 【PyTorch深度学习-龙龙老师】-测试版202112即可。整个安装流程约持续 5 分钟,具体时间 预览版202112 第 1 章 人工智能绪论 18 需依据计算机性能而定。 图 1.22 Anaconda 安装界面-1 图 1.23Anaconda 安装界面-2 安装完成后,怎么验证 Anaconda 是否安装成功呢?通过键盘上的 Windows 键+R 键, 即可调出运行程序对话框,输入“cmd”并回车即打开 Windows Version”,则需要取消“Display Driver”的勾,如果小于或等于,则 默认勾选即可,如图 1.27 所示。设置完成后即可正常安装。 图 1.25 CUDA 安装界面-1 图 1.26 CUDA 安装界面-2 安装完成后,我们来测试 CUDA 软件是否安装成功。打开 cmd 命令行,输入“nvcc - V”,即可打印当前 CUDA 的版本信息,如图 1.29 所示,如果命令无法识别,则说明安装 所示,如果命令无法识别,则说明安装 失败。同时也可以从系统环境变量 Path 中找到 CUDA 10.1 的路径配置,如图 1.28 所示。 图 1.27 CUDA 安装界面-3 图 1.28 CUDA 安装结果测试-1 图 1.29 CUDA 安装结果测试-2 1.6.3 PyTorch 安装 PyTorch 和其他的 Python 库一样,使用 Python 包管理工具0 码力 | 439 页 | 29.91 MB | 1 年前3 【PyTorch深度学习-龙龙老师】-测试版202112即可。整个安装流程约持续 5 分钟,具体时间 预览版202112 第 1 章 人工智能绪论 18 需依据计算机性能而定。 图 1.22 Anaconda 安装界面-1 图 1.23Anaconda 安装界面-2 安装完成后,怎么验证 Anaconda 是否安装成功呢?通过键盘上的 Windows 键+R 键, 即可调出运行程序对话框,输入“cmd”并回车即打开 Windows Version”,则需要取消“Display Driver”的勾,如果小于或等于,则 默认勾选即可,如图 1.27 所示。设置完成后即可正常安装。 图 1.25 CUDA 安装界面-1 图 1.26 CUDA 安装界面-2 安装完成后,我们来测试 CUDA 软件是否安装成功。打开 cmd 命令行,输入“nvcc - V”,即可打印当前 CUDA 的版本信息,如图 1.29 所示,如果命令无法识别,则说明安装 所示,如果命令无法识别,则说明安装 失败。同时也可以从系统环境变量 Path 中找到 CUDA 10.1 的路径配置,如图 1.28 所示。 图 1.27 CUDA 安装界面-3 图 1.28 CUDA 安装结果测试-1 图 1.29 CUDA 安装结果测试-2 1.6.3 PyTorch 安装 PyTorch 和其他的 Python 库一样,使用 Python 包管理工具0 码力 | 439 页 | 29.91 MB | 1 年前3
 Keras: 基于 Python 的深度学习库keras.wrappers.scikit_learn.KerasRegressor(build_fn=None, **sk_params), 这实 现了 Scikit-Learn regressor 界面。 参数 • build_fn: 可调用函数或类实例 • sk_params: 模型参数和拟合参数 build_fn 这应该建立,编译,并返回一个 Keras 模型,将被用来拟合/预测。以下之一三个0 码力 | 257 页 | 1.19 MB | 1 年前3 Keras: 基于 Python 的深度学习库keras.wrappers.scikit_learn.KerasRegressor(build_fn=None, **sk_params), 这实 现了 Scikit-Learn regressor 界面。 参数 • build_fn: 可调用函数或类实例 • sk_params: 模型参数和拟合参数 build_fn 这应该建立,编译,并返回一个 Keras 模型,将被用来拟合/预测。以下之一三个0 码力 | 257 页 | 1.19 MB | 1 年前3
 动手学深度学习 v2.0目录更改为此路径(cd xx/yy/d2l-en)并运行命 令jupyter notebook。如果浏览器未自动打开,请打开http://localhost:8888。此时你将看到Jupyter的界面以 及包含本书代码的所有文件夹,如 图16.1.1所示 209 https://jupyter.readthedocs.io/en/latest/ 741 图16.1.1: 包含本书代码的文件夹0 码力 | 797 页 | 29.45 MB | 1 年前3 动手学深度学习 v2.0目录更改为此路径(cd xx/yy/d2l-en)并运行命 令jupyter notebook。如果浏览器未自动打开,请打开http://localhost:8888。此时你将看到Jupyter的界面以 及包含本书代码的所有文件夹,如 图16.1.1所示 209 https://jupyter.readthedocs.io/en/latest/ 741 图16.1.1: 包含本书代码的文件夹0 码力 | 797 页 | 29.45 MB | 1 年前3
共 7 条
- 1













