获取地址：https://github.com/onnx/modelsNLP类：text/machine_comprehension视觉类：vision

人工智能绪论人工智能，机器学习，神经网络，深度学习之间关系机器学习分类机器学习可以分为有监督学习(Supervised Learning)、无监督学习(UnsupervisedLearning)和强化学习(Reinforcement Learning)有监督学习 有监督学习的数据集包含了样本????与样本的标签????，算法模型需要学习到映射????????: ???? → ????，其中????

下表总结了机器学习在常见场景下使用的评估指标：（PS：原文档包含截图，已上传到个人资源）类别场景场景描述应用场景　　　　　　图像图像分类识别一张图中是否是某类物体/状态/场景，适用于图片内容单一、需要给整张图片分类的场景1、图片内容检索：定制训练需要识别的各种物体，并结合业务信息展现...

全连接网络的问题局部相关性网络层的每个输出节点都与所有的输入节点相连接，用于提取所有输入节点的特征信息，这种稠密(Dense)的连接方式是全连接层参数量大、计算代价高的根本原因。全连接层也称为稠密连接层(Dense Layer)，当全连接层的激活函数????为空时，全连接层也称为线性层(Linear Layer)：其中????????????????????(????)表示I 层的节点集合。基于距

在训练集上表现不好，需要降低bias：调整超参数，如设置更深更宽的网络训练更长的时间选择其它特征学习函数（CNN、RNN、LSTM、GRU等）在验证集上表现不好，需要降低方差：引入正则化（如L2）引入dropout提供更多的训练数据基于数据增强，如图片翻转、裁剪、旋转等采集更多的数据调整数据的平衡性在测试集上表现不好，需要降低方差：需要使用更多的验证集超参数调优：α：Learning Rateβ：

产品名称IEC：智能边缘云IEF：智能边缘平台IoTEdge:IoT边缘BEC：百度边缘计算BIE：百度智能边缘ENS：边缘节点服务物联网边缘计算ECM：边缘计算机器IECP：物联网边缘计算平台EISP：边缘智能服务平台厂商华为华为华为百度百度阿里阿里腾讯腾讯移动可用状态公测商用商用商用商用商用商用商用需申请商用定位构建广域覆盖的分布式边缘云基于云原生技术构建的边云协同操作系统基于物联网平台的设备

1、计算公式从混淆矩阵计算精确度、召回率、F1 Score的过程如下图所示，其中P和R即Precision和Recall：2、验证实验如下图为Azure ML自带的一个示例给出的模型评分结果：原始计算结果给出了混淆矩阵与Accuracy、精确度、召回率和F1 Score，图中插入的文字给出了这些评估值的计算过程，计算过程一目了然：

背景信息本文实现基于输入英文文本的词典构建功能，构建的词典的key为文本中出现的单词，对应的value按如下规律取值：输入文本中词频最大的词对应的value取值为0，词频次最大的取值为1，依次类推，词频最低的词的value的取值为（字典的长度-1）。本文主要是为之后词向量训练做准备工作。说明：如果输入为英文文本，则可以直接处理；如果是中文文本，则需要先进行分词等预处理工作，并且最终输出的字典中，k

机器学习算法类型缩写全称中文名称分类NNNeural Network神经网络　Decision Tree决策树SVMSupport Vector Machine支持向量机　XGBoostXGBoostRFRandom Forest随机森林LR...

工业（41）采矿业(7)煤炭开采和洗选业石油和天然气开采业黑色金属矿采选业有色金属矿采选业非金属矿采选业开采专业及辅助性活动其他采矿业制造业(31)农副食品加工业食品制造业酒、饮料和精制茶制造烟草制品业纺织业纺织服装、服饰业皮革、毛皮、羽毛及其制品和制鞋业木材加工和木、竹、藤、棕、草制品业家具制造业造纸和纸制品业印刷和记录媒介复制业文教、工美、体育和娱乐用品制造业石油、煤炭及其他燃