分类
发现
标签
搜索
注册
登录
分类
发现
榜单
标签
搜索
注册
登录
搜索
万象云档
本次搜索耗时
1.808
秒,为您找到
460
个相关结果.
搜书籍
搜文档
简单线性回归模型
98
2025-05-18
《机器学习100天》
简单线性回归模型 第一步:数据预处理 第二步:训练集使用简单线性回归模型来训练 第三步:预测结果 第四步:可视化 训练集结果可视化 测试集结果可视化 简单线性回归模型 第一步:数据预处理 import pandas as pd import numpy as np import matplotlib ...
torchvision.models
98
2025-05-18
《PyTorch 中文教程 0.2》
torchvision.models torchvision.models.alexnet(pretrained=False, ** kwargs) torchvision.models.resnet18(pretrained=False, ** kwargs) torchvision.models.resnet34(pretrained=False, ...
Joining queries
97
2025-05-18
《Elasticsearch Java API 手册》
Joining queries Has Child Query Has Parent Query Joining queries 在像 ElasticSearch 这样的分布式系统中执行全 SQL 风格的连接查询代价昂贵,是不可行的。相应地,为了实现水平规模地扩展,ElasticSearch 提供了两种形式的 join。 nested quer...
更新数据
96
2025-05-19
《ThinkCMF6开发手册》
更新数据 查找并更新 批量更新数据 通过数据库类更新数据 更新数据 查找并更新 在取出数据后,更改字段内容后更新数据。 $user = UserModel :: find ( 1 ); $user -> user_nickname = '老猫' ; $user -> user_email = 'genmaowan...
Ask 模式
95
2025-05-02
《Cursor(中文文档)》
Ask 模式 与其他模式的区别 配置选项 Ask 模式 Ask 模式允许您通过 AI 搜索和查询来探索和了解代码库,而无需进行更改 Ask 是Chat 的 “只读” 模式,用于提出问题、探索和了解代码库。它是 Cursor 中的一种内置模式,默认启用搜索工具 。 请务必阅读聊天概述 以了解有关模式在 Cursor 中的工作原理的更多...
3. MVC和MVVM
95
2025-05-15
《前端面试总结》
3. MVC和MVVM 3. MVC和MVVM MVC mvc是Model-View-Controller的简写,即模型-视图-控制器。model指后端传递的数据,view指页面展示,controller指业务逻辑。目的是将模型层和视图层代码分离,并通过控制层连接。mvc是单向通信。 MVVM mvvm是Model-View-ViewMode...
8.4 模型-视图设计方法
92
2025-05-08
《程序设计思想与方法》
8.4 模型-视图设计方法 8.4 模型-视图设计方法 8.4.1 将 GUI 应用程序封装成对象 8.4.2 模型与视图 8.4.3 编程案例:汇率换算器
遗留包 - torch.legacy
92
2025-05-18
《PyTorch 中文教程 0.4》
遗留包 - torch.legacy 译者署名 遗留包 - torch.legacy 此包中包含从 Lua Torch 移植来的代码。 为了可以使用现有的模型并且方便当前 Lua Torch 使用者过渡,我们创建了这个包。 可以在torch.legacy.nn 中找到nn 代码,并在torch.legacy.optim 中找到optim 代码。 A...
简单线性回归模型
91
2025-05-18
《机器学习100天》
简单线性回归模型 第1步: 数据预处理 导入库 导入数据集 将类别数据数字化 躲避虚拟变量陷阱 拆分数据集为训练集和测试集 第2步: 在训练集上训练多元线性回归模型 Step 3: 在测试集上预测结果 简单线性回归模型 第1步: 数据预处理 导入库 import pandas as pd import nu...
高级教程
91
2025-05-18
《PyTorch 中文教程 0.3》
高级教程 高级教程 用 PyTorch 做 神经转换 (Neural Transfer) 使用 numpy 和 scipy 创建扩展 使用 ONNX 将模型从 PyTorch 迁移到 Caffe2 和 Mobile 为 pytorch 自定义 C 扩展
1..
«
42
43
44
45
»
..46