月度归档： 2019 年 5 月

Python内置属性函数@property详解

在Python中，property()是一个内置函数，
用于创建和返回一个property对象。
Property对象有三个方法，getter(), setter()和delete()，
用来在对象创建后设置fget，fset和fdel。
装饰器（decorator）可以给函数动态加上功能,对于类的方法，装饰器一样起作用。
Python内置的@property装饰器就是负责把一个方法变成属性调用的。

在Python中，property()是一个内置函数，
用于创建和返回一个property对象。
Property对象有三个方法，getter(), setter()和delete()，
用来在对象创建后设置fget，fset和fdel。
装饰器（decorator）可以给函数动态加上功能,对于类的方法，装饰器一样起作用。
Python内置的@property装饰器就是负责把一个方法变成属性调用的。

人工智能python实现-在EC2 GPU实例上运行Jupyter笔记本

B.1 什么是Jupyter笔记本，为什么要在AWS GPU上运行Jupyter笔记本
B.2 为什么你不想在AWS上使用Jupyter进行深度学习
B.3 设置AWS GPU实例
B.4 安装Keras
B.5 设置本地端口转发
B.6 在本地浏览器中使用Jupyter

B.1 什么是Jupyter笔记本，为什么要在AWS GPU上运行Jupyter笔记本
B.2 为什么你不想在AWS上使用Jupyter进行深度学习
B.3 设置AWS GPU实例
B.4 安装Keras
B.5 设置本地端口转发
B.6 在本地浏览器中使用Jupyter

人工智能python实现-使用Kaggle练习解决现实世界的问题

9.4　了解一个快速发展领域的最新进展
9.4.1　使用 Kaggle练习解决现实世界的问题 .
9.4.2　在 arXiv阅读最新进展
9.4.3　探索 Keras生态系统

9.4　了解一个快速发展领域的最新进展
9.4.1　使用 Kaggle练习解决现实世界的问题 .
9.4.2　在 arXiv阅读最新进展
9.4.3　探索 Keras生态系统

   

人工智能python实现-深度学习的未来

9.3　深度学习的未来
9.3.1　模型即程序
9.3.2　超越反向传播和可微层
9.3.3　自动化机器学习
9.3.4　终身学习与模块化子程序复用
9.3.5　长期愿景

9.3　深度学习的未来
9.3.1　模型即程序
9.3.2　超越反向传播和可微层
9.3.3　自动化机器学习
9.3.4　终身学习与模块化子程序复用
9.3.5　长期愿景

人工智能python实现-如何看待深度学习

9.1　重点内容回顾
9.1.1　人工智能的各种方法
9.1.2　深度学习在机器学习领域
9.1.3　如何看待深度学习
9.1.4　关键的推动技术
9.1.5　机器学习的通用工作流程
9.1.6　关键网络架构
9.1.7　可能性空间

9.1　重点内容回顾
9.1.1　人工智能的各种方法
9.1.2　深度学习在机器学习领域
9.1.3　如何看待深度学习
9.1.4　关键的推动技术
9.1.5　机器学习的通用工作流程
9.1.6　关键网络架构
9.1.7　可能性空间

   

人工智能python实现-生成式对抗网络简介

8.5　生成式对抗网络简介
8.5.1　GAN的简要实现流程
8.5.2　大量技巧
8.5.3　生成器
8.5.4　判别器
8.5.5　对抗网络
8.5.6　如何训练 DCGAN

8.5　生成式对抗网络简介
8.5.1　GAN的简要实现流程
8.5.2　大量技巧
8.5.3　生成器
8.5.4　判别器
8.5.5　对抗网络
8.5.6　如何训练 DCGAN