Xilinx Alveo U200數(shù)據(jù)中心加速器卡的主要性能和優(yōu)勢

啟用 Alveo 加速器卡是 Xilinx 及合作伙伴應用的一個生態(tài)系統(tǒng)，主要面向數(shù)據(jù)中心的工作負載。對于定制解決方案，Xilinx 應用開發(fā)工具套件 ...

2018-10-14 標簽：xilinx機器學習 6449 0

訓練一個機器學習模型，實現(xiàn)了根據(jù)基于文本分析預測葡萄酒質(zhì)量

我們可以把上述的其他信息也引入作為特征參數(shù)，這樣就能構(gòu)建出一個更全面的模型來預測葡萄酒質(zhì)量。為了將文字描述與其他特征結(jié)合起來進行預測，我們可以創(chuàng)建一個集...

2019-05-16 標簽：模型機器學習數(shù)據(jù)集 6432 0

RFE遞歸特征消除特征排序

本文主要從股市數(shù)據(jù)變量的特征分布及特征重要性兩個角度對數(shù)據(jù)進行分析。

2022-03-16 標簽：數(shù)據(jù)存儲頻率 6424 0

決策樹的原理和決策樹構(gòu)建的準備工作，機器學習決策樹的原理

希望通過所給的訓練數(shù)據(jù)學習一個貸款申請的決策樹，用于對未來的貸款申請進行分類，即當新的客戶提出貸款申請時，根據(jù)申請人的特征利用決策樹決定是否批準貸款申請。

2018-10-08 標簽：機器學習決策樹 6406 0

GPU技術的關鍵參數(shù)有哪些和應用場景詳細說明

隨著云計算，大數(shù)據(jù)和人工智能技術發(fā)展，邊緣計算發(fā)揮著越來越重要的作用，補充數(shù)據(jù)中心算力需求。計算架構(gòu)要求多樣化，需要不同的CPU架構(gòu)來滿足不斷增長的算力...

2020-01-12 標簽：GPU人工智能機器學習 6378 0

如何利用兩種機器學習的方法——邏輯回歸和樸素貝葉斯分類器

特征工程是不一個簡單的技能，它更像是復雜的藝術形式。 它包含了考慮數(shù)據(jù)集和域的過程，選擇對于模型最有用的特征，以及測試特征以優(yōu)化選擇。 Scikit-l...

2018-10-04 標簽：分類器機器學習數(shù)據(jù)集 6376 0

深度學習以及關于TensorFlow的簡介

2017年2月16日，Google正式對外發(fā)布Google TensorFlow 1.0版本，并保證本次的發(fā)布版本API接口完全滿足生產(chǎn)環(huán)境穩(wěn)定性要求。

2019-06-05 標簽：人工智能機器學習 6349 0

人工智能--深度學習模型

我們知道機器學習模型有：生成模型（GenerativeModel）和判別模型（Discriminative Model）。判別模型需要輸入變量x，通過某...

2018-06-29 標簽：機器學習深度學習 6314 0

機器學習的第二階段：推理

我們之前討論過，訓練過程是機器學習的第一階段，而推理則緊隨其后，為機器學習的第二階段。在訓練階段，算法會生成新模型或把預訓練模型重新調(diào)整用于特定應用，并...

2020-06-28 標簽：fpgagpuAI 6272 0

常用的三種機器學習優(yōu)化算法介紹和比較

其中，gradient(x_n)是函數(shù)位于x_n點時的梯度向量，hessian_matrix是一個尺寸為 nxn 的黑塞矩陣（hessian matri...

2019-04-29 標簽：優(yōu)化算法機器學習線性代數(shù) 6259 0

在時間、容量和復雜性方面對汽車行業(yè)的基本重組進行預測

汽車銷量還會持續(xù)上升：盡管保有量下降，但汽車銷量將明顯增加。傳統(tǒng)車輛將長時間滯留在保有量中。而相比之下，自動性，尤其是共享自動性車輛將會頻繁變革，導致銷...

2018-04-12 標簽：汽車行業(yè)人工智能機器學習 6221 0

一種全新的無監(jiān)督機器翻譯方法，在BLUE基準測試上取得了10分以上提升

Facebook無監(jiān)督機器翻譯的方法，首先是讓系統(tǒng)學習雙語詞典，將一個詞與其他語言對應的多種翻譯聯(lián)系起來。舉個例子，就好比讓系統(tǒng)學會“Bug”在作為名詞...

2018-09-02 標簽：Facebook機器學習機器翻譯 6214 0