首页
AI Coding
NEW
沸点
课程
直播
活动
AI刷题
APP
插件
搜索历史
清空
创作者中心
写文章
发沸点
写笔记
写代码
草稿箱
创作灵感
查看更多
会员
登录
注册
确定删除此收藏集吗
删除后此收藏集将被移除
取消
确定删除
确定删除此文章吗
删除后此文章将被从当前收藏集中移除
取消
确定删除
编辑收藏集
名称:
描述:
0
/100
公开
当其他人关注此收藏集后不可再更改为隐私
隐私
仅自己可见此收藏集
取消
确定
人工智能
订阅
欧阳志毅
更多收藏集
微信扫码分享
微信
新浪微博
QQ
4篇文章 · 0订阅
TensorFlow 架构与设计:会话生命周期
这篇文章首先以 Session 创建为例,揭示前端 Python 与后端 C/C++ 系统实现的通道,阐述 TensorFlow 多语言编程的奥秘。随后,以 Python 前端,C API 桥梁,C++ 后端为生命线,阐述 Session 的生命周期过程。
AI - TensorFlow
(Artificial Intelligence)人工智能及机器学习(Machine Learning)最近大热,Google - Deep Mind 的 AlphaGo 踢馆人类所向披靡,最终宣布正式进入智能时代 1.0。我们今天也来体验学习一下 Google 的人工智能项目。
机器学习算法之决策树
决策树(Decision Tree)是一种简单但是广泛使用的分类器。通过训练数据构建决策树,可以高效的对未知的数据进行分类。决策数有两大优点:1)决策树模型可以读性好,具有描述性,有助于人工分析;2)效率高,决策树只需要一次构建,反复使用,每一次预测的最大计算次数不超过决策树的深度。 决策树是一个树结构(可以是二叉树或者非二叉树),非叶节点表示一个特征属性上的测试,每个分支代表在某个值域上的输出,每个叶节点存放一个类别。 测试就是按照从根节点往下走,直到叶节点,得到决策结果。
搭建 Tensorflow 虚拟机学习环境
搭建 Tensorflow 虚拟机学习环境