一種可解決機器學習問題的通用模板

一旦開發(fā)出令人滿意的模型配置，你就可以在所有可用數(shù)據(jù)（訓練數(shù)據(jù)+驗證數(shù)據(jù)）上訓練最終的生產(chǎn)模型，然后在測試集上最后評估一次。

2023-07-06 標簽：神經(jīng)網(wǎng)絡機器學習 259 0

ChatGPT團隊是如何使用Kubernetes的

在本文中，OpenAI 的工程師團隊分享了他們在 Kubernetes 集群擴展過程中遇到的各種挑戰(zhàn)和解決方案，以及他們?nèi)〉玫男阅芎托Ч?/p>

2023-07-06 標簽：服務器機器學習kubernetes 774 0

開發(fā)和部署ML模型介紹

實踐中的機器學習： ML 工作流

2023-07-05 標簽：NVIDIAAI機器學習 1141 0

如何判斷Jupyter實例是否安全

Jupyter 環(huán)境安全評估

2023-07-05 標簽：NVIDIAAI機器學習 600 0

使用 RAPIDS RAFT 進行機器學習和數(shù)據(jù)分析的可重用計算模式

使用 RAPIDS RAFT 進行機器學習和數(shù)據(jù)分析的可重用計算模式

2023-07-05 標簽：機器學習數(shù)據(jù)分析 848 0

最流行的回歸評估指標

回歸評價指標綜述

2023-07-05 標簽：NVIDIA人工智能機器學習 1019 0

用RAPIDS生成用于加速短期價格預測的限價訂單簿數(shù)據(jù)集

用 RAPIDS 生成用于加速短期價格預測的限價訂單簿數(shù)據(jù)集

2023-07-05 標簽：NVIDIA人工智能機器學習 747 0

什么是 NVIDIA AI Enterprise

利用 NVIDIA AI 企業(yè)在 Azure 機器學習上的力量

2023-07-05 標簽：NVIDIA人工智能機器學習 1857 0

支持向量機（多類問題之1類對另1類）

假設測試樣本需被分為三類，首先需構建三個支持向量機模型

2023-07-05 標簽：向量機機器學習 789 0

解讀芯片驗證中的機器學習技術

許多ML算法已經(jīng)在功能驗證的不同領域進行了嘗試，并取得了不錯的效果。ML在功能驗證中的應用主要分為：需求工程、靜態(tài)代碼分析、驗證加速、覆蓋率收集和BUG...

2023-07-03 標簽：機器學習芯片驗證 854 0

大模型如何助力AIOps以保證高可靠的服務？

十多年來，微軟提供了世界上最流行的超大規(guī)模生產(chǎn)力套件之一，Office 365，它現(xiàn)在是Microsoft 365的一部分。

2023-07-03 標簽：人工智能機器學習ChatGPT 1918 0

不同GPIO類庫的區(qū)別

重點來講解一下什么是類庫，如何使用，以及不同的GPIO類庫的區(qū)別。

2023-07-02 標簽：編程語言GPIO機器學習 1366 0

什么是深度強化學習?深度強化學習算法應用分析

什么是深度強化學習? 眾所周知，人類擅長解決各種挑戰(zhàn)性的問題，從低級的運動控制(如：步行、跑步、打網(wǎng)球)到高級的認知任務。

2023-07-01 標簽：神經(jīng)網(wǎng)絡機器學習深度強化學習 1857 0

從OFC2020看高級算法在光通信中的應用

各種神經(jīng)網(wǎng)絡算法（XNN）在大數(shù)據(jù)機器學習和人工智能領域有著十分廣泛的應用，這些高級算法在分類、優(yōu)化、自學習這些方面的突出能力和其在互聯(lián)網(wǎng)及自動控制領域...

2023-06-30 標簽：人工智能光通信機器學習 854 0