大约有 2,000 项符合查询结果（耗时：0.0066秒） [XML]
地图组件（高德地图） · App Inventor 2 中文网
... 特征列表 参数是一个特征描述列表，可以使用 根据描述生成特征 方法将其转换为组件。
坐标无效(消息)
当程序在处理地理数据时遇到无效点时，会触发 坐标无效 事件。
当点的经度或纬度超出可接受范围（分别为 [-9...
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...
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...