原创 TensorFlow Serving模型部署

日萌社 人工智能AI:Keras PyTorch MXNet TensorFlow PaddlePaddle 深度學習實戰(不定時更新) 7.7 TensorFlow Serving模型部署 學習目標 目標 無 應用 應用Tenso

原创 離線ctr特徵中心更新

日萌社 人工智能AI:Keras PyTorch MXNet TensorFlow PaddlePaddle 深度學習實戰(不定時更新)   3.8 離線ctr特徵中心更新 學習目標 目標 瞭解特徵服務中心的作用   應用 無 3

原创 召回集讀取與推薦中心對接

日萌社 人工智能AI:Keras PyTorch MXNet TensorFlow PaddlePaddle 深度學習實戰(不定時更新) 5.5 召回集讀取與推薦中心對接 學習目標 目標 無 應用 無 5.5.1 召回集讀取服務

原创 實時推薦業務介紹

日萌社 人工智能AI:Keras PyTorch MXNet TensorFlow PaddlePaddle 深度學習實戰(不定時更新)   5.1 實時推薦業務介紹 學習目標 目標 無 應用 無 5.1.1 實時推薦邏輯 邏輯

原创 神經網絡多分類原理與反向傳播原理

日萌社 人工智能AI:Keras PyTorch MXNet TensorFlow PaddlePaddle 深度學習實戰(不定時更新) 7.2 神經網絡多分類原理與反向傳播原理 學習目標 目標 說明神經網絡的softmax以及分類損失

原创 TFAPI使用2.0建議

日萌社 人工智能AI:Keras PyTorch MXNet TensorFlow PaddlePaddle 深度學習實戰(不定時更新) 2.5 TFAPI使用2.0建議 學習目標 目標 無 應用 無 2.5.2 TF2.0最新架

原创 推薦緩存服務

日萌社 人工智能AI:Keras PyTorch MXNet TensorFlow PaddlePaddle 深度學習實戰(不定時更新) 5.6 推薦緩存服務 學習目標 目標 無 應用 無 5.6.1 待推薦結果的redis緩存

原创 WDL模型導出

日萌社 人工智能AI:Keras PyTorch MXNet TensorFlow PaddlePaddle 深度學習實戰(不定時更新) 8.9 WDL模型導出 學習目標 目標 無 應用 無 8.9.1 線上預估 線上流量是模型效

原创 排序模型進階-FM&FTRL

日萌社 人工智能AI:Keras PyTorch MXNet TensorFlow PaddlePaddle 深度學習實戰(不定時更新) 5.8 排序模型進階-FM&FTRL 學習目標 目標 無 應用 無 5.8.1 問題 在實際

原创 ABTest實驗中心

日萌社 人工智能AI:Keras PyTorch MXNet TensorFlow PaddlePaddle 深度學習實戰(不定時更新) 5.3 ABTest實驗中心 學習目標 目標 無 應用 無 個性化推薦系統、搜索引擎、廣告系

原创 詞向量-word2vec

日萌社 人工智能AI:Keras PyTorch MXNet TensorFlow PaddlePaddle 深度學習實戰(不定時更新) 7.3 詞向量-word2vec 學習目標 目標 知道統計語言模型 掌握神經網絡語言模型NNLM原

原创 排序模型進階-Wide&Deep

日萌社 人工智能AI:Keras PyTorch MXNet TensorFlow PaddlePaddle 深度學習實戰(不定時更新) 8.5 排序模型進階-Wide&Deep 學習目標 目標 無 應用 無 8.5.1 wide

原创 推薦中心邏輯

日萌社 人工智能AI:Keras PyTorch MXNet TensorFlow PaddlePaddle 深度學習實戰(不定時更新)   5.4 推薦中心邏輯 學習目標 目標 無 應用 無 5.4.1 推薦中心 推薦中一般作爲

原创 會話、張量、變量OP

日萌社 人工智能AI:Keras PyTorch MXNet TensorFlow PaddlePaddle 深度學習實戰(不定時更新) 2.3 會話、張量、變量OP 學習目標 目標 應用sess.run或者eval運行圖程序並獲取張量

原创 tf.estimator使用入門

日萌社 人工智能AI:Keras PyTorch MXNet TensorFlow PaddlePaddle 深度學習實戰(不定時更新) 6.6 tf.estimator使用入門 學習目標 目標 知道tf.estimator的使用流程