- 博客(1)
- 资源 (8)
- 收藏
- 关注
RSS订阅原创 python并行计算|pycuda测试、对比及分析
python并行计算|pycuda测试、对比及分析 增量式学习算法能够对网络的节点与参数，但是随着模型结构的增长，计算成本也越来越高，有两个途径可以减少计算所需的时间成本：（1）研究模型划分方法，将比较大的模型划分成几个较小的子模型；（2）通过提高计算机的计算能力（GPU或CPU）。TX2能够利用CUDA进行GPU并行计算，pycuda作为python的并行计算库，可以方便的实现GPU并行加速。...
2019-05-12 10:37:21
5303
4
deepbayes-2018-day6
深度学习贝叶斯，这是一份密集的6天速成课程中的第六天的课程内容（内附PPT和jupyter notebook python代码）。
在 Deep|Bayes 夏季课程中，授课人将讨论贝叶斯方法如何结合深度学习，并在机器学习应用中实现更好的结果。近期研究表明贝叶斯方法的利用可以带来许多好处。学生将学到对理解当前机器学习研究非常重要的方法和技术。他们还将体会贝叶斯方法和强化学习之间的联系，学习神经网络的现代随机优化方法和正则化技术。在课程之后，授课人还设置了实践环节。
备注：由于文件上传大小限制，故按每天归档上传。
2018-09-08
deepbayes-2018-day5
深度学习贝叶斯，这是一份密集的6天速成课程中的第五天的课程内容（内附PPT和jupyter notebook python代码）。
在 Deep|Bayes 夏季课程中，授课人将讨论贝叶斯方法如何结合深度学习，并在机器学习应用中实现更好的结果。近期研究表明贝叶斯方法的利用可以带来许多好处。学生将学到对理解当前机器学习研究非常重要的方法和技术。他们还将体会贝叶斯方法和强化学习之间的联系，学习神经网络的现代随机优化方法和正则化技术。在课程之后，授课人还设置了实践环节。
备注：由于文件上传大小限制，故按每天归档上传。
2018-09-08
deepbayes-2018-day4
深度学习贝叶斯，这是一份密集的6天速成课程中的第四天的课程内容（内附PPT和jupyter notebook python代码）。
在 Deep|Bayes 夏季课程中，授课人将讨论贝叶斯方法如何结合深度学习，并在机器学习应用中实现更好的结果。近期研究表明贝叶斯方法的利用可以带来许多好处。学生将学到对理解当前机器学习研究非常重要的方法和技术。他们还将体会贝叶斯方法和强化学习之间的联系，学习神经网络的现代随机优化方法和正则化技术。在课程之后，授课人还设置了实践环节。
备注：由于文件上传大小限制，故按每天归档上传。
2018-09-08
deepbayes-2018-day3
深度学习贝叶斯，这是一份密集的6天速成课程中的第三天的课程内容（内附PPT和jupyter notebook python代码）。
在 Deep|Bayes 夏季课程中，授课人将讨论贝叶斯方法如何结合深度学习，并在机器学习应用中实现更好的结果。近期研究表明贝叶斯方法的利用可以带来许多好处。学生将学到对理解当前机器学习研究非常重要的方法和技术。他们还将体会贝叶斯方法和强化学习之间的联系，学习神经网络的现代随机优化方法和正则化技术。在课程之后，授课人还设置了实践环节。
备注：由于文件上传大小限制，故按每天归档上传。
2018-09-08
deepbayes-2018-day2
深度学习贝叶斯，这是一份密集的6天速成课程中的第二天的课程内容（内附PPT和jupyter notebook python代码）。
在 Deep|Bayes 夏季课程中，授课人将讨论贝叶斯方法如何结合深度学习，并在机器学习应用中实现更好的结果。近期研究表明贝叶斯方法的利用可以带来许多好处。学生将学到对理解当前机器学习研究非常重要的方法和技术。他们还将体会贝叶斯方法和强化学习之间的联系，学习神经网络的现代随机优化方法和正则化技术。在课程之后，授课人还设置了实践环节。
备注：由于文件上传大小限制，故按每天归档上传。
2018-09-08
deepbayes-2018-day1
深度学习贝叶斯，这是一份密集的6天速成课程中的第一天的课程内容（内附PPT和jupyter notebook python代码）。
在 Deep|Bayes 夏季课程中，授课人将讨论贝叶斯方法如何结合深度学习，并在机器学习应用中实现更好的结果。近期研究表明贝叶斯方法的利用可以带来许多好处。学生将学到对理解当前机器学习研究非常重要的方法和技术。他们还将体会贝叶斯方法和强化学习之间的联系，学习神经网络的现代随机优化方法和正则化技术。在课程之后，授课人还设置了实践环节。
备注：由于文件上传大小限制，故按每天归档上传。
2018-09-08
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人