大约有 2,400 项符合查询结果（耗时：0.0078秒） [XML]
【笔记】如何训练自己的专属AI机器人之：Dify vs Coze - 人工智能(AI) - 清...
...AI原生应用开发平台，它可以帮助开发者轻松构建和运营生成式AI原生应用。该平台可以接入全球大型语言模型，帮助用户快速构建大型语言模型驱动的生成式AI应用，将创意变为现实。它提供了基于任意大型语言模型构建企业级...
App Inventor 2 Personal Image Classifier (PIC) 拓展：自行训练AI图像识...
...像分类App原理介绍
开发步骤
在线训练AI模型，生成模型数据，下载给PIC拓展使用
App Inventor 2 使用拓展及AI模型数据，对图像进行识别和分类
« 返回首页
PersonalImageClassifier (PIC) 拓展
.aix 拓展下载：
Perso...
Deep Learning（深度学习）学习笔记整理系列之（三） - 大数据 & AI - 清泛...
...，一是每次训练一层网络，二是调优，使原始表示x向上生成的高级表示r和该高级表示r向下生成的x'尽可能一致。方法是：
1）首先逐层构建单层神经元，这样每次都是训练一个单层网络。
2）当所有层训练完后，Hinton使用wake-sl...
Deep Learning（深度学习）学习笔记整理系列之（三） - 大数据 & AI - 清泛...
...，一是每次训练一层网络，二是调优，使原始表示x向上生成的高级表示r和该高级表示r向下生成的x'尽可能一致。方法是：
1）首先逐层构建单层神经元，这样每次都是训练一个单层网络。
2）当所有层训练完后，Hinton使用wake-sl...
Deep Learning（深度学习）学习笔记整理系列之（三） - 大数据 & AI - 清泛...
...，一是每次训练一层网络，二是调优，使原始表示x向上生成的高级表示r和该高级表示r向下生成的x'尽可能一致。方法是：
1）首先逐层构建单层神经元，这样每次都是训练一个单层网络。
2）当所有层训练完后，Hinton使用wake-sl...
Deep Learning（深度学习）学习笔记整理系列之（三） - 大数据 & AI - 清泛...
...，一是每次训练一层网络，二是调优，使原始表示x向上生成的高级表示r和该高级表示r向下生成的x'尽可能一致。方法是：
1）首先逐层构建单层神经元，这样每次都是训练一个单层网络。
2）当所有层训练完后，Hinton使用wake-sl...
Deep Learning（深度学习）学习笔记整理系列之（三） - 大数据 & AI - 清泛...
...，一是每次训练一层网络，二是调优，使原始表示x向上生成的高级表示r和该高级表示r向下生成的x'尽可能一致。方法是：
1）首先逐层构建单层神经元，这样每次都是训练一个单层网络。
2）当所有层训练完后，Hinton使用wake-sl...
Deep Learning（深度学习）学习笔记整理系列之（三） - 大数据 & AI - 清泛...
...，一是每次训练一层网络，二是调优，使原始表示x向上生成的高级表示r和该高级表示r向下生成的x'尽可能一致。方法是：
1）首先逐层构建单层神经元，这样每次都是训练一个单层网络。
2）当所有层训练完后，Hinton使用wake-sl...
Deep Learning（深度学习）学习笔记整理系列之（三） - 大数据 & AI - 清泛...
...，一是每次训练一层网络，二是调优，使原始表示x向上生成的高级表示r和该高级表示r向下生成的x'尽可能一致。方法是：
1）首先逐层构建单层神经元，这样每次都是训练一个单层网络。
2）当所有层训练完后，Hinton使用wake-sl...
Deep Learning（深度学习）学习笔记整理系列之（三） - 大数据 & AI - 清泛...
...，一是每次训练一层网络，二是调优，使原始表示x向上生成的高级表示r和该高级表示r向下生成的x'尽可能一致。方法是：
1）首先逐层构建单层神经元，这样每次都是训练一个单层网络。
2）当所有层训练完后，Hinton使用wake-sl...