NUS-WIDE 是一个带有网络标签标注的图像数据，包含来自网站的 269648张 图像，5018类 不同的标签。
2022-05-08 13:00:49
1.35GB
1
参数服务器
本项目使用非常少的代码编写了深度学习训练的全过程，有完整的结构，通过面向对象的封装，在算法上有一定扩展性，不仅支持单机模式还支持分布式模式
使用java实现的dnn训练框架，底层矩阵库使用Jblas(https://github.com/mikiobraun/jblas)，参数服务器使用Grpc+protobuf，ui方面使用ploty.js+nanohttpd
支持单机多CPU训练
支持分布式训练，多worker，多ps自定义负载均衡
支持同步更新和异步更新
支持二分类和多分类
实现embdding+全链接模型
实现Wide And Deep模型
实现卷积+池化+全链接模型
支持训练数据，测试数据异步读取，自定义parser
UI Server可视化图表
例子
运行 CTR.java 点击率预估例子，test auc在0.71左右
运行 Mnist.java 手写输入例子，正
2022-05-03 11:31:23
16.44MB
1
蚁群算法搜索信号有效带宽-search_wide_signal_all.m
蚁群算法搜索信号有效带宽
2022-03-09 10:58:19
5KB
1
前言、
TensorFlow 2.0 学习过程中，对一些细节掌握不牢固，写一下博文来挖掘自己的不足
因为是纯手打，方便记忆，可能存在一些字节错误，敬请谅解
一、 wide and deep
1. 引入资源库
import matplotlib as mpl # python 绘图库
import matplotlib.pyplot as plt # python 2D 绘图库
import numpy as np # 数学库，矩阵数组等
import sklearn
import pandas as pd
2022-03-03 14:50:26
76KB
1
官方离线安装包，测试可用。使用rpm -ivh [rpm完整包名] 进行安装
2022-01-03 17:01:45
6KB
官方离线安装包，测试可用。使用rpm -ivh [rpm完整包名] 进行安装
2022-01-03 17:01:45
6KB
推荐SYS_with_movielens
使用FunkSVD，FM，itemCF / UserCF，使用残差网络的宽带和深度，使用残差网络的deepFM等构建ResSys。我尝试尽快收集所有算法。
我提供了一些基于movielens的算法
SVD：
FunkSVD：
BiasSVD：
SVD ++
因子分解机：FM
协同过滤
深度学习（tensorflow 2.x）宽而深
深度fm
NFM
2021-12-20 09:33:44
41KB
1