QOS&网络优化

算法测试的一点浅见

结合阅读腾讯TMQ的《移动APP性能评测和优化》的第4章（导航评测）、第5章（网络优化），顺便说一下自己的一点想法。  一、前提1、首先最好有个参照标准。
Leo笑·2018-09-24 00:00

【Optimization】优化算法索引

ML模型/DL网络优化中的挑战上溢,下溢和病态局部极小点高原,鞍点和其他平坦区域悬崖和梯度爆炸长期依赖非精确梯度局部和全局结构间的弱对应优化的理论限制基本算法基于梯度的优化算法动量Nesterov动量参数初始化策略自适应学习率算法
鹅城惊喜师爷·2018-09-09 22:21

NIPS 2018丨解读微软亚洲研究院10篇入选论文

今年，微软亚洲研究院共有10篇论文入选，研究主题涵盖词向量、机器翻译、神经网络优化、社
微软研究院AI头条·2018-09-07 21:00

Tensorflow笔记——(四)神经网络优化

神经元模型：用数学公式表示为：f(xw+b)，f()为激活函数。神经网络是以神经元为基本单元构成的。激活函数：引入非线性激活因素，提高模型的表达力。常用的激活函数有relu、sigmoid、tanh等。①激活函数relu:在Tensorflow中，用tf.nn.relu()表示relu()数学表达式relu()数学图形②激活函数sigmoid：在Tensorflow中，用tf.nn.sigmoid
90後_小熊大·2018-09-01 13:14

CNN神经网络优化常用函数范式一览(损失函数loss,学习率learning_rate,滑动平均ema,正则化regularization)

###一.损失函数(loss):预测值y与已知答案y_的差距神经网络优化目标即找到适合的w以减小loss,有三种减小loss的方法1.均方误差mse(MeanSquaredError)2.自定义损失函数
dolor_059·2018-08-27 00:06

Yarn 安装与使用详细介绍

文章目录背景什么是Yarn速度快离线模式可靠可确定性网络优化扁平化模式版本控制其他关于Yarn的介绍Yarn安装windowsmac方式一方式二Yarn换源Yarn常用命令Yarn独有的命令特性背景在Node
Never Yu丶·2018-08-24 12:34

【转+整理】SDG，动量，Adam优化算法

参考博客：深度学习最常用的算法，一文看懂各种神经网络优化算法：从梯度下降到Adam方法SDG1、定义：随机梯度下降（Stochasticgradientdescent，SGD）对每个训练样本进行参数更新
Always_ease·2018-08-21 17:35

Tensorflow学习之神经网络优化

一、损失函数神经元模型：用数学公式表示为：，f为激活函数，神经网络是以神经元为基本单元构成的。激活函数：引入非线性激活因素，提高模型的表达力常用的激活函数有relu、sigmoid、tanh等。神经网络的复杂度：可用神经网络的层数和神经网络中待优化的参数个数来表示神经网络的层数：一般不计入输入层，层数=n个隐藏层+1个输出层神经网络待优化参数：神经网络中所有参数w的个数+所有参数b的个数损失函数（
一只呱呱呱啊·2018-08-03 16:41

Tensorflow学习之神经网络优化

一、损失函数神经元模型：用数学公式表示为：，f为激活函数，神经网络是以神经元为基本单元构成的。激活函数：引入非线性激活因素，提高模型的表达力常用的激活函数有relu、sigmoid、tanh等。神经网络的复杂度：可用神经网络的层数和神经网络中待优化的参数个数来表示神经网络的层数：一般不计入输入层，层数=n个隐藏层+1个输出层神经网络待优化参数：神经网络中所有参数w的个数+所有参数b的个数损失函数（
一只呱呱呱啊·2018-08-03 16:41

神经网络优化----正则化 （正则化损失函数）

在神经网络优化中，通过对损失函数进行正则化来缓解过拟合方法：通过在损失函数中引入模型复杂度指标，利用给W加权值，弱化了训练数据的噪声公式为：loss=loss(y与y_)+regularizer*loss
摒除杂念·2018-08-01 09:01

英特尔推深度学习加速工具包OpenVINO，布局边缘计算，发力物联网业务

OpenVINO(OpenVisualInference&NeuralNetworkOptimization,开放视觉推理及神经网络优化)软件平台是一个快速开发高性能计算机视觉和深度学习视觉应用的工具包
AI科技大本营·2018-07-31 14:10

keras中神经网络优化

1、Keras输出的loss，val这些值如何保存到文本中去：Keras中的fit函数会返回一个History对象，它的History.history属性会把之前的那些值全保存在里面，如果有验证集的话，也包含了验证集的这些指标变化情况，具体写法：hist=model.fit(train_set_x,train_set_y,batch_size=256,shuffle=True,nb_epoch=n
Xwei1226·2018-07-31 10:36

神经网络优化-----学习率（指数衰减学习率）

神经网络优化中，使用指数衰减学习率，可以在迭代初期得到较高的下降速度，可以在较小的训练轮数下获得更好的收敛度在python中可以用这行代码实现： learning_rate=tf.train.exponential_decay
摒除杂念·2018-07-31 00:00

神经网络优化-------自定义损失函数

神经网络优化中，自定义损失函数更灵活例如酸奶销售，生产多了损失成本，生产少了，损失利润，假设生产成本COST为1元，利润PROFIT为9元，实际生产数量为y,市场需求量为y_则损失为分段函数，损失为loss
摒除杂念·2018-07-30 09:46

神经网络优化-Dropout

Dropout是神经网络和深度学习模型的简单而有效的正则化技术。在这篇文章中，你将发现Dropout正则化技术，以及如何使用Keras将其应用于Python中的模型。看完这篇文章后，你会知道：Dropout正则化的原理。如何在输入层上使用Dropout。如何在隐藏的层上使用Dropout。如何根据问题调整Dropout。让我们开始吧。照片版权：TrekkingRinjani神经网络的Dropout
Xwei1226·2018-07-29 13:05

轻量化网络mobileNet与ShuffleNet

摘要最近出了一篇旷视科技的孙剑团队出了一篇关于利用ChannelShuffle实现的卷积网络优化——ShuffleNet。我关注了一下，原理相当简单。
存远·2018-07-26 16:34

tensorflow神经网络优化

隐层0层隐层就是最简单的线性模型。通过多层中间层，在每一层做多个二分类，通过多层隐层，将线性不可分的数据变得线性可分。增加隐层数可以降低网络误差，提高精度，但也使网络复杂化。激活函数去线性化，将前向传播的结果去线性化，提升模型的表达力，不同的隐藏层可以使用不同的激活函数。对于sigmoid激活函数来说，除非用在二分类问题下的输出层，tanh函数几乎在任何场合都比其优越。对于不确定该使用什么激活函数
cool_flag·2018-07-19 21:26

深度学习笔记6：神经网络优化算法之从SGD到Adam

欢迎关注天善智能，我们是专注于商业智能BI，人工智能AI，大数据分析与挖掘领域的垂直社区，学习，问答、求职一站式搞定！对商业智能BI、大数据分析挖掘、机器学习，python，R等数据领域感兴趣的同学加微信：tsaiedu，并注明消息来源，邀请你进入数据爱好者交流群，数据爱好者们都在这儿。作者简介：鲁伟：一个数据科学践行者的学习日记。数据挖掘与机器学习，R与Python，理论与实践并行。个人公众号：
R3eE9y2OeFcU40·2018-07-19 13:00

一文看懂各种神经网络优化算法：从梯度下降到Adam方法

转载：点击打开链接王小新编译自Medium量子位出品|公众号QbitAI在调整模型更新权重和偏差参数的方式时，你是否考虑过哪种优化算法能使模型产生更好且更快的效果？应该用梯度下降，随机梯度下降，还是Adam方法？这篇文章介绍了不同优化算法之间的主要区别，以及如何选择最佳的优化方法。什么是优化算法？优化算法的功能，是通过改善训练方式，来最小化(或最大化)损失函数E(x)。模型内部有些参数，是用来计算
leogo17·2018-07-10 08:46

Android 优化目录

GitBookAndroid优化——布局优化Android优化——启动优化Android优化——卡顿优化Android优化——内存优化Android优化——存储优化Android优化——电量优化Android优化——网络优化
七适散人·2018-07-09 21:58

tensorflow实战google深度学习框架阅读笔记——神经网络优化算法

神经网络优化算法这里主要讲反向传播算法和梯度下降算法：梯度下降主要用于优化单个参数的取值，而反向传播则给出了一个高效的方式在所有参数上使用梯度下降算法，从而时神经网络模型在训练数据上的损失
Turned_MZ·2018-07-07 17:12

鞍点 Hessian矩阵

转https://blog.csdn.net/baidu_27643275/article/details/79250537长期以来，人们普遍认为，神经网络优化问题困难是因为较大的神经网络中包含很多局部极小值
北冥有小鱼·2018-07-04 11:41

高并发IM系统架构优化实践

以上内容由网易云信首席架构师内部分享材料整理而成相关阅读推荐：推送保障及网络优化详解：如何实现不影响用户体验的后台保活推送保障及网络优化详解：如何做长连接加推送组合方案本文要点：网易云信整体架构解析云信中的客户端连接和接入点管理服务化和高可用网易
网易云信·2018-06-26 18:10

神经网络优化-学习率

本文将介绍通过指数衰减的方法设置梯度下降算法中的学习率，通过指数衰减学习率既可以让模型的前期快速接近较优解，又可以保证模型在训练后期不会有太大的波动，从而更加接近局部最优。在神经网络中需要设置学习率来控制参数更新的速度，如果幅度过大，那么有可能导致参数在极优值的两侧来回移动，如果学习率过小，虽然能保证收敛性，但是这会大大降低优化速度。TensorFlow中提供一种灵活的学习率的设置方法-指数衰减法
Xwei1226·2018-06-21 09:41

TensorFlow学习5：神经网络优化

神经元模型用数学公式表示为：f为激活函数。引入非线性激活因素，提高模型的表达力。常见的激活函数有relu，sigmoid，tanh等。损失函数用来预测表示预测值（y）与已知答案（y_）的差距。在训练神经网络时，通过不断改变神经网络中的所有参数，使损失函数不断减小，从而训练出更高准确率的神经网络模型。常用的损失函数有均方误差，自定义和交叉熵等。代码示例1预测酸奶日销售量y，x1和x2为影响日销售量的
崔业康·2018-06-14 15:37

高并发 IM 系统架构优化实践

以上内容由网易云信首席架构师内部分享材料整理而成相关阅读推荐：推送保障及网络优化详解（一）：如何实现不影响用户体验的后台保活推送保障及网络优化详解（二）：如何做长连接加推送组合方案推送保障及网络优化详解
网易云信·2018-06-12 00:00

IM 推送保障及网络优化详解（三）：如何在弱网环境下优化大数据传输？

对于移动App来说，IM功能正变得越来越重要，它能够创建起人与人之间的连接。社交类产品中，用户与用户之间的沟通可以产生出更好的用户粘性。在复杂的Android生态环境下，多种因素都会造成消息推送不能及时达到客户端。另外，不稳定的移动网络也给数据传输的速率和可靠性增加了障碍。本文详解了网易云信IMSDK在应对弱网环境、移动端硬件限制以及Android复杂的生态现状时的探索与心得.如何实现不影响用户体
网易云信·2018-06-10 00:00

Tensorflow学习笔记-神经网络优化

神经网络优化神经元模型：神经网络的基本单位激活函数：映入非线性激活因素，提高模型的表达力。
Vapor_·2018-06-09 16:26

IM 推送保障及网络优化详解（二）：如何做长连接加推送组合方案

对于移动APP来说，IM功能正变得越来越重要，它能够创建起人与人之间的连接。社交类产品中，用户与用户之间的沟通可以产生出更好的用户粘性。在复杂的Android生态环境下，多种因素都会造成消息推送不能及时达到客户端。另外，不稳定的移动网络也给数据传输的速率和可靠性增加了障碍。本文详解了网易云信IMSDK在应对弱网环境、移动端硬件限制以及Android复杂的生态现状时的探索与心得.如何实现不影响用户体
网易云信·2018-06-06 00:00

IM 推送保障及网络优化详解（一）:如何实现不影响用户体验的后台保活

对于移动App来说，IM功能正变得越来越重要，它能够创建起人与人之间的连接。社交类产品中，用户与用户之间的沟通可以产生出更好的用户粘性。在复杂的Android生态环境下，多种因素都会造成消息推送不能及时达到客户端。另外，不稳定的移动网络也给数据传输的速率和可靠性增加了障碍。本文详解了网易云信IMSDK在应对弱网环境、移动端硬件限制以及Android复杂的生态现状时的探索与心得。如何实现不影响用户体
网易云信·2018-06-05 00:00

CNN网络优化学习总结——从MobileNet到ShuffleNet

CNN网络优化学习总结——从MobileNet到ShuffleNet摘要最近出了一篇旷视科技的孙剑团队出了一篇关于利用ChannelShuffle实现的卷积网络优化——ShuffleNet。
一个新新的小白·2018-05-30 15:40

TensorRT4.0开发手册（1）

TensorRT导入网络定义，通过合并tensors与layers，权值转换，选择高效中间数据类型，基于层参数与性能评估的选择，来进行网络优化。
abrams90·2018-05-21 15:15

深度神经网络优化策略之——残差学习

问题起源深度学习普遍认为发端于2006年，根据Bengio的定义，深层网络由多层自适应非线性单元组成——即多层非线性模块的级联，所有层次上都包含可训练的参数，在工程实际操作中，深层神经网络通常是五层及以上，包含数百万个可学习的自由参数的庞然大物。理论上，网络模型无论深浅与否，都能通过函数逼近数据的内在关系和本质特征，但在解决真实世界的复杂问题时，需要指数增长的计算单元，浅层网络往往出现函数表达能力
Eaton_Lee·2018-05-17 21:12

第14课 闪电网络(Lightning Network) 之 RSMC

闪电网络优化了微支付通道，解决了上面的问题，今天深入分析闪电网络
travi·2018-05-17 17:59

分类模型预测，基于遗传算法的神经网络优化---iris数据集

1.计算智能（ComputationalIntelligence）这门课程是笔者研究生的最后一门人工智能课程，难度那是相当让人头疼的。大家理解一下概念就好了。将下面一段话读一遍，这个概念就过了。计算智能是以生物进化的观点认识和模拟智能。按照这一观点，智能是在生物的遗传、变异、生长以及外部环境的自然选择中产生的。在用进废退、优胜劣汰的过程中，适应度高的（头脑）结构被保存下来，智能水平也随之提高。因此
Tong_T·2018-05-15 18:31

十个网络优化改造案例（八）：新增网络平面接入改造（方案示例）

本章内容简介在一个多层级的骨干网结构中，越高级别的骨干网承受的业务流量就会越多，网络中的设备的压力也就会越大。所以，一般来说核心位置的骨干网通常都有两个网络平面，用于实现业务流量的负载分担，也能实现链路冗余。本案例为大家介绍一个新增网络平面的改造，同时介绍如何在四个ASBR之间配置路由选路。本文将用一个割接方案文本来为大家讲解。一、网络环境介绍1.1、工程背景介绍随着“十二五”规划发展，信息化正朝
捷哥CCIE·2018-05-06 03:44

BP（Back propagation）神经网络

目录1、BP（Backpropagation）神经网络描述2、BP神经网络的向前传播3、BP神经网络的代价函数（损失函数）4、BP神经网络的反向传播5、BP神经网络优化过程总结6、BP神经网络的进一步优化
Asia-Lee·2018-05-02 15:21

优化算法笔记

主要介绍了各个主流神经网络优化算法的代码实现SGDwhileTrue:dx=compute_gradient(x)x-=learning_rate*dxSGD+Momentumv=0rv=0.9whileTrue
wangwang0726·2018-04-28 10:07

tensorflow中常用学习率更新策略

过小的学习率会降低网络优化的速度，增加训练时间，过大的学习率可能导致网络参数在最终的极优值两侧来回摆动，导致网络不能收敛。实践中证明有效的方法是设置一个根据迭代次数衰减的学习率，可以兼顾训练
-牧野-·2018-04-20 13:39

App优化 - 网络优化

App优化-性能分析工具App的3种启动方式App优化-App启动速度优化App优化-布局优化App优化-消除卡顿优化App优化-ANR优化App优化-电池省着用App优化-网络优化1.概述随着时代的推移
世道无情·2018-04-20 10:56

App优化 - 电池省着用

App优化-性能分析工具App的3种启动方式App优化-App启动速度优化App优化-布局优化App优化-消除卡顿优化App优化-ANR优化App优化-电池省着用App优化-网络优化1.概述作为开发，我们一般是不怎么关心电量的损耗
世道无情·2018-04-20 10:43

App优化 - App启动速度优化

App优化-性能分析工具App的3种启动方式App优化-App启动速度优化App优化-布局优化App优化-消除卡顿优化App优化-ANR优化App优化-电池省着用App优化-网络优化1.概述在我们开发过程中
世道无情·2018-04-20 10:23

十个网络优化改造案例（七）：ASBR之间的MPLS ***跨域互联改造

一、网络环境与需求1.1、需求分析因2017年上半年勒索病毒爆发，导致全球网络安全形势越来越严峻。从安全方面出发，企业准备为自建的骨干网络省地ASBR之间的链路上都加上透明模式的防火墙，省级骨干网方向为Untrust，地区级骨干网方向为Trust。如图所示：最先建立的省级骨干A网与地区网之间采用了MPLS×××Option-B的跨域互联方式。但该种互联方式会使得ASBR之间链路上传递的数据包前面被
捷哥CCIE·2018-04-18 12:56

十个网络优化改造案例（六）：统一IMC网管部署

一、需求分析1.1、网络环境介绍本案例要为大家介绍的案例是一个关于骨干网IPv4公网路由的割接，分为省级骨干网与地区级骨干网。先看结构图，然后再给大家解释。为了方便全省的骨干网PE设备的管理，由省内专门的管理员发现各地骨干网设备可能存在的问题，省级单位管理员专门部署了一套H3CIMC的网管系统，并给这套网管系统新增了一个自治系统，AS号码为：64570。这套H3CIMC网管系统与现行骨干网的结构如
捷哥CCIE·2018-04-16 17:49

人工智能实践：TensorFlow笔记学习（四）—— 神经网络优化

神经网络优化大纲4.1损失函数4.2学习率4.3滑动平均4.4正则化4.5神经网络搭建八股目标掌握神经网络优化方法4.1损失函数神经元模型：用数学公式表示为：，f为激活函数。
skytoby·2018-04-14 18:14

python torch.optim.SGD

学习参数torch入门笔记14:Torch中optim的sgd(Stochasticgradientdescent)方法的实现细节pytorch中使用torch.optim优化神经网络以及优化器的选择神经网络优化器
Florence_Janie·2018-04-13 17:28

性能优化的总结

如果想要对自己的应用进行性能优化的话，可以从以下几个方面入手：·基本工具（Instruments）·业务优化·内存优化·布局优化·卡顿优化·网络优化·电量优化·启动优化·缩小安装包大小等等。
MM面包·2018-03-16 15:26

十个网络优化改造案例（五）：省地之间骨干网BGP/MPLS ***选路案例

本章内容简介从本章开始，我将为大家讲述骨干网上出现的割接案例。相对于局域网，骨干网上的技术显得更加的复杂，割接难度和割接风险也要比局域网更高。在骨干网上的割接，更多的是侧重于链路扩容、路由选路、路由过滤方面的调整。本章为大家讲一个省地之间跨域MPLS×××的路由过滤及选路优化案例。本文同步课程已在51cto学院进行发布链接：http://edu.51cto.com/course/12689.htm
捷哥CCIE·2018-03-16 10:57

十个网络优化改造案例（四）：局域网更换核心交换机割接案例

本章内容简介之前Cisco设备还是主流设备的时候，很多大型企业网络都喜欢用Cisco6509当作核心交换机。一来它的性能优越，性价比高；二来它有防火墙功能模块，可以免去企业购买防火墙的费用。但如今Cisco已经不再是中国各大企业的主流品牌，Cisco逐步被H3C、华为等设备代替。本案例讲解企业将带有防火墙模块的Cisco6509更换为H3C12516的案例，在防火墙与核心设备分离以后该如何处理。本
捷哥CCIE·2018-03-14 16:06

十个网络优化改造案例（三）：数据中心网络缺陷大改造

内容简介生成树协议是应用非常广泛的一种二层协议，它可以在二层网络中有效的防止广播风暴。但是，滥用生成树协议，或者是在很大规模的二层网络中使用生成树协议，不仅会使网络变得脆弱不堪，而且还有可能造成更严重的环路问题。本案例为大家讲述一个企业的非结构化存储区域的网络改造，让大家了解一个设计有严重缺陷的网络，是如何引发生成树问题的？到后来又用了什么技术才彻底消除了网络的缺陷的。本文同步视频讲解已经发布到了
捷哥CCIE·2018-03-14 15:59
上一页 22 23 24 25 26 27 28 29 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他