大约有 8,000 项符合查询结果(耗时:0.0154秒) [XML]

https://www.tsingfun.com/it/bi... 

Deep Learning(深度学习)学习笔记整理系列之(三) - 大数据 & AI - 清泛...

...,这意味着输入I经过每一层Si都没有任何的信息损失,即任何一层Si,它都是原有信息(即输入I)的另外一种表示。现回到我们的主题Deep Learning,我们需要自动地学习特征,假设我们有一堆输入I(如一堆图像或者文本),...
https://www.tsingfun.com/it/opensource/1969.html 

pdf2htmlEX实现pdf转html - 开源 & Github - 清泛网 - 专注C/C++及内核技术

...地址:pdf2htmlEX-v1.0-win32-static 本人开发的一个功能:文档线阅读,要求能够支持移动终端浏览器线阅读。考虑过将文档先转pdf,然后将pdf转swf,利用flexpaper前端浏览器访问。但是由于safari浏览器不支持flash,所以这种方...
https://www.tsingfun.com/ilife/life/1942.html 

普通码农和CTO之间的差距,就是这7点了 - 杂谈 - 清泛网 - 专注C/C++及内核技术

...术或者实现之后不假思索的是——“好烂”;如果问他烂哪里几乎说不出个所以然来。 最近微软发布了。NetCore,如果你有机会看到这个标题的文章不妨看一下评论。各种“喷子”从“性能”、“道德”、“微软很坏”、“PHP...
https://www.tsingfun.com/it/tech/857.html 

Android代码优化小技巧 - 更多技术 - 清泛网 - 专注C/C++及内核技术

...选择合适的算法与数据结构才应该是你首要考虑的因素,这篇文章不会涉及这方面。你应该使用这篇文章的小技巧作为平时写代码的习惯,这样能够提升代码的效率。 代码性能优化建议 原文: http://developer.android.com/trainin...
https://www.tsingfun.com/it/bi... 

Deep Learning(深度学习)学习笔记整理系列之(三) - 大数据 & AI - 清泛...

...,这意味着输入I经过每一层Si都没有任何的信息损失,即任何一层Si,它都是原有信息(即输入I)的另外一种表示。现回到我们的主题Deep Learning,我们需要自动地学习特征,假设我们有一堆输入I(如一堆图像或者文本),...
https://www.tsingfun.com/it/bi... 

Deep Learning(深度学习)学习笔记整理系列之(三) - 大数据 & AI - 清泛...

...,这意味着输入I经过每一层Si都没有任何的信息损失,即任何一层Si,它都是原有信息(即输入I)的另外一种表示。现回到我们的主题Deep Learning,我们需要自动地学习特征,假设我们有一堆输入I(如一堆图像或者文本),...
https://www.tsingfun.com/it/bi... 

Deep Learning(深度学习)学习笔记整理系列之(三) - 大数据 & AI - 清泛...

...,这意味着输入I经过每一层Si都没有任何的信息损失,即任何一层Si,它都是原有信息(即输入I)的另外一种表示。现回到我们的主题Deep Learning,我们需要自动地学习特征,假设我们有一堆输入I(如一堆图像或者文本),...
https://www.tsingfun.com/it/bi... 

Deep Learning(深度学习)学习笔记整理系列之(三) - 大数据 & AI - 清泛...

...,这意味着输入I经过每一层Si都没有任何的信息损失,即任何一层Si,它都是原有信息(即输入I)的另外一种表示。现回到我们的主题Deep Learning,我们需要自动地学习特征,假设我们有一堆输入I(如一堆图像或者文本),...
https://www.tsingfun.com/it/bi... 

Deep Learning(深度学习)学习笔记整理系列之(三) - 大数据 & AI - 清泛...

...,这意味着输入I经过每一层Si都没有任何的信息损失,即任何一层Si,它都是原有信息(即输入I)的另外一种表示。现回到我们的主题Deep Learning,我们需要自动地学习特征,假设我们有一堆输入I(如一堆图像或者文本),...
https://www.tsingfun.com/it/bi... 

Deep Learning(深度学习)学习笔记整理系列之(三) - 大数据 & AI - 清泛...

...,这意味着输入I经过每一层Si都没有任何的信息损失,即任何一层Si,它都是原有信息(即输入I)的另外一种表示。现回到我们的主题Deep Learning,我们需要自动地学习特征,假设我们有一堆输入I(如一堆图像或者文本),...