大约有 1,000 项符合查询结果（耗时：0.0128秒） [XML]
Deep Learning（深度学习）学习笔记整理系列之（三） - 大数据 & AI - 清泛...
...是通过学习输入数据的结构得到的，因而这个初值更接近全局最优，从而能够取得更好的效果；所以deep learning效果好很大程度上归功于第一步的feature learning过程。
Deep Learning,深度学习,笔记
Deep Learning（深度学习）学习笔记整理系列之（三） - 大数据 & AI - 清泛...
...是通过学习输入数据的结构得到的，因而这个初值更接近全局最优，从而能够取得更好的效果；所以deep learning效果好很大程度上归功于第一步的feature learning过程。
Deep Learning,深度学习,笔记
Deep Learning（深度学习）学习笔记整理系列之（三） - 大数据 & AI - 清泛...
...是通过学习输入数据的结构得到的，因而这个初值更接近全局最优，从而能够取得更好的效果；所以deep learning效果好很大程度上归功于第一步的feature learning过程。
Deep Learning,深度学习,笔记
Deep Learning（深度学习）学习笔记整理系列之（三） - 大数据 & AI - 清泛...
...是通过学习输入数据的结构得到的，因而这个初值更接近全局最优，从而能够取得更好的效果；所以deep learning效果好很大程度上归功于第一步的feature learning过程。
Deep Learning,深度学习,笔记
Deep Learning（深度学习）学习笔记整理系列之（三） - 大数据 & AI - 清泛...
...是通过学习输入数据的结构得到的，因而这个初值更接近全局最优，从而能够取得更好的效果；所以deep learning效果好很大程度上归功于第一步的feature learning过程。
Deep Learning,深度学习,笔记
Deep Learning（深度学习）学习笔记整理系列之（三） - 大数据 & AI - 清泛...
...是通过学习输入数据的结构得到的，因而这个初值更接近全局最优，从而能够取得更好的效果；所以deep learning效果好很大程度上归功于第一步的feature learning过程。
Deep Learning,深度学习,笔记
内存优化总结:ptmalloc、tcmalloc和jemalloc - 操作系统(内核) - 清泛网 - ...
...…]
small/large对象查找metadata需要常量时间， huge对象通过全局红黑树在对数时间内查找。
虚拟内存被逻辑上分割成chunks（默认是4MB，1024个4k页），应用线程通过round-robin算法在第一次malloc的时候分配arena， 每个arena都是相互独立...
Deep Learning（深度学习）学习笔记整理系列之（三） - 大数据 & AI - 清泛...
...是通过学习输入数据的结构得到的，因而这个初值更接近全局最优，从而能够取得更好的效果；所以deep learning效果好很大程度上归功于第一步的feature learning过程。
Deep Learning,深度学习,笔记
企业级负载平衡简介 - 更多技术 - 清泛网 - 专注C/C++及内核技术
...果该服务是一个用户非常常用的功能，如浏览网站的产品列表，那么很显然单个服务实例已经无法支持该网站的运营。在这种情况下，我们就需要对该服务进行扩容。
扩容主要分为Scale Up和Scale Out两种，分别对应着增强单个服...
App Inventor 2 拓展参考文档 · App Inventor 2 中文网
...数据表格】 TableView 拓展：数据表格视图，表格形式显示列表
【剪贴板】 Clipboard 拓展：实现剪贴板的复制粘贴功能
【Socket】 ClientSocketAI2Ext 拓展加强版：TCP/IP传输协议
【FTP】 FTP 客户端拓展：FTP协议连接、上传、下载、创...