训练调参
- 【译Py】2018年8月，GitHub上的Python数据科学明
- 【DL碎片4】深度学习中的的超参数调节
- 斯坦福cs231n学习笔记（10）------神经网络训练细节（
- Keras多GPU训练指南
- 从分布式计算到分布式训练
- 激活引入非线性，池化预防过拟合（深度学习入门系列之十二）
- 局部连接来减参，权值共享肩并肩（深度学习入门系列之十一）
- Keras for Deep Learning
- TensorFlow从0到1 - 14 - 交叉熵损失函数——防
- TensorFlow从0到1 - 13 - AI驯兽师：神经网络
- 深度学习最常用的学习算法：Adam优化算法
- 如何改进手上的机器学习模型
- 机器学习中常用评估指标汇总
- PyTorch中如何使用tensorboard可视化
- 2017-6-25 今日收集
- seq2seq调参
- 用学习曲线 learning curve 来判别过拟合问题
- python 源代码查看方法
- 如何选择优化器 optimizer
- 深度学习工业界应用-加速-预测
- 详解 TensorBoard－如何调参
- TensorFlow训练神经网络
- ASR: DNN训练
- 特征工程完全总结（Python源码）
- 想搞机器学习，不会特征工程？Are you kidding me
- 【新手百科】机器学习中梯度下降算法（包括其变式算法）简介
- CTR预估中GBDT与LR融合方案
- 深度学习算法调优trick总结
- 什么是 Dropout
- 如何使用sklearn进行数据挖掘？
- 如今统治机器学习的深度神经网络，也曾经历过两次低谷
- [译] Introduction to debugging ne
- ResNet原理及其在TF-Slim中的实现
- 用TensorFlow的Linear/DNNRegrressor
- 基础-5：人人都应该懂点的随机算法
- 学习机器学习时需要尽早知道的三件事
- TensorFlow架构与设计：会话生命周期
- 机器学习技法--Adaptive Boosting
- 深度学习从小白到入门 —— 基于keras的深度学习基本概念讲解
- AR(I)MA时间序列建模过程——步骤和python代码
- 什么是检验神经网络？
- 李理：自动梯度求解——使用自动求导实现多层神经网络
- 优化：一种将grid-search速度提升10倍的方法
- RNN教程之-2 LSTM实战
- [译]27个Jupyter Notebook小提示与技巧
- 用Python进行梯度提升算法的参数调整
- Python利用Gausian Process对Hyper-pa
- 谈谈Tensorflow的Batch Normalization
- 一个自动化解决数据科学问题的python工具
- TensorFlow深度学习笔记 Stochastic Opti
训练调参
