在软件开发中，我们经常复用开源软件或者库，避免了相同功能的代码重复开发，减少了大量的重复劳动，也有效缩短了软件开发周期。代码复用，对软件产业的蓬勃发展，有着极大的助推作用。相应的，TF Hub 目的是为了更好的复用已训练好且经过充分验证的模型，可节省海量的训练时间和计算资源。这些预训练好的模型，可以进行直接部署，也可以进行迁移学习（Transfer Learning）。对个人开发者来说，TF Hu

深度学习推荐算法综述推荐算法综述MLPCNNRNN推荐算法论文深度学习

定义：对于一个样值序列间隔几个样值取样一次，这样得到新序列就是原序列的下采样。实际上，下采样就是抽取。缩小图像（或称为下采样（subsampled）或降采样（downsampled））的主要目的有两个：1、使得图像符合显示区域的大小；2、生成对应图像的缩略图。放大图像（或称为上采样（upsampling）或图像插值（interpolating））的主要目的是放大原图像,从而可以显示在更高分辨率的显

当我们拥有大量计算资源时，通过使用合适的分布式策略，我们可以充分利用这些计算资源，从而大幅压缩模型训练的时间。针对不同的使用场景，TensorFlow 在 tf.distribute.Strategy 中为我们提供了若干种分布式策略，使得我们能够更高效地训练模型。一、单机多卡训练： MirroredStrategytf.distribute.MirroredStrategy 是一种简单且高性能的，

一、tmux# 查看有所有tmux会话指令：tmux ls# 新建tmux窗口指令：tmux new -s <session-name># 重命名会话指令：tmux rename-session -t <old-name> <new-name># 暂时退出会话（后台保持运行）快捷键：Ctrl+b 然后d# 重新连接会话指令：tmux a -t <sessi

SGD、Momentum、NAG和AdaGrad这篇讲的很好RMSProp、Adam这篇讲的很好这篇可以看看递推

定义：对于一个样值序列间隔几个样值取样一次，这样得到新序列就是原序列的下采样。实际上，下采样就是抽取。缩小图像（或称为下采样（subsampled）或降采样（downsampled））的主要目的有两个：1、使得图像符合显示区域的大小；2、生成对应图像的缩略图。放大图像（或称为上采样（upsampling）或图像插值（interpolating））的主要目的是放大原图像,从而可以显示在更高分辨率的显

使用VScode连接远程服务器进行开发，可参考以下流程「效率」使用VScode连接远程服务器进行开发

定义：对于一个样值序列间隔几个样值取样一次，这样得到新序列就是原序列的下采样。实际上，下采样就是抽取。缩小图像（或称为下采样（subsampled）或降采样（downsampled））的主要目的有两个：1、使得图像符合显示区域的大小；2、生成对应图像的缩略图。放大图像（或称为上采样（upsampling）或图像插值（interpolating））的主要目的是放大原图像,从而可以显示在更高分辨率的显

【爬山算法】爬山算法是一种贪心搜索算法，该算法每一步从当前解的临近解空间中选择一个最优解作为当前解，直至达到某个局部最优解。【模拟退火算法】模拟退火算法也是一种贪心算法，但在它的搜索过程中引入了一个随机因素——以一定的概率来接受一个比当前解要差的解。故而模拟退火算法有可能跳出局部的最优解，达到全局的最优解。即：若移动后得到最优解，则总是接受该移动；若移动后的解比当前解差，则以一定的概率接受移...