深度学习模型预测 深度学习已经广泛应用于图像分类、图像识别和 语音识别 等不同领域， DLI 服务中提供了若干函数实现加载深度学习模型并进行预测的能力。 目前可支持的模型包括DeepLearning4j 模型和Keras模型。由于Keras它能够以 TensorFlow、CNTK或者 Theano

查看更多 →

深度学习模型预测 深度学习已经广泛应用于图像分类、图像识别和语音识别等不同领域，DLI服务中提供了若干函数实现加载深度学习模型并进行预测的能力。 目前可支持的模型包括DeepLearning4j 模型和Keras模型。由于Keras它能够以 TensorFlow、CNTK或者 Theano

查看更多 →

数学函数 数学函数概览 abs acos asin atan bin bround cbrt ceil conv cos cot1 degrees e exp factorial floor greatest hex least ln log log10 log2 median negative

查看更多 →

2.0中的Keras高层接口及TensorFlow2.0实战 深度学习预备知识 介绍学习算法，机器学习的分类、整体流程、常见算法，超参数和验证集，参数估计、最大似然估计和贝叶斯估计 深度学习概览 介绍神经网络的定义与发展，深度学习的训练法则，神经网络的类型以及深度学习的应用 图像识别、语音识别、 机器翻译 编程实验

查看更多 →

数学函数 数学函数概览 abs acos asin atan bin bround cbrt ceil conv cos cot1 degrees e exp factorial floor greatest hex least ln log log10 log2 median negative

查看更多 →

LLIFZERO迁移。 输入：NULLIFZERO 1 2 SELECT NULLIFZERO(expr1) FROM tab1 WHERE … ; 输出： 1 2 SELECT NULLIF(expr1, 0) FROM tab1 WHERE … ; ZEROIFNULL

查看更多 →

d(7.5)=8.0，bround(6.5)=6.0 bround bround(DOUBLE a, INT d) DOUBLE 保留小数点后d位，d位之后数字以HALF_EVEN模式四舍五入。与传统四舍五入方式的区别在于，对数字5进行操作时，由前一位数字来决定，前一位数字为奇数

查看更多 →

d(7.5)=8.0，bround(6.5)=6.0 bround bround(DOUBLE a, INT d) DOUBLE 保留小数点后d位，d位之后数字以HALF_EVEN模式四舍五入。与传统四舍五入方式的区别在于，对数字5进行操作时，由前一位数字来决定，前一位数字为奇数

查看更多 →

数学计算函数 本文介绍数学计算函数的语法规则，包括参数解释、函数示例等。 函数列表 表1 数学计算函数 函数 描述 round函数 用于对x进行四舍五入。如果n存在，则保留n位小数；如果n不存在，则对x进行四舍五入取整数。 round函数 用于对x进行四舍五入。如果n存在，则保留

查看更多 →

断小数点左侧的许多位置。如果未指定，数字默认为零。 SELECT TRUNCATE(fieldname1, 2) ROUND(expr, digits) ROUND(expr, digits)对expr值进行四舍五入，保留小数位数由digits指定。expr可以是整数或浮点数，但

查看更多 →

产利润、最低运营成本等。 优化求解 把问题的输入，即需求、资源、约束条件、求解目标用一定的数学模型表示出来，然后通过数学规划和元启发式算法等多种优化引擎对模型求解。 输出优化方案 通过对数学模型的优化求解，将获得一个最优方案，用于解决实际问题。 父主题： 功能介绍

查看更多 →

算术运算符 运算符 返回类型 描述 + numeric 所有数字类型 返回数字。 - numeric 所有数字类型 返回负数。 A + B 所有数字类型 A和B相加。结果数据类型与操作数据类型相关，例如一个整数类型数据加上一个浮点类型数据，结果数值为浮点类型数据。 A - B 所有数字类型

查看更多 →

算术运算符 运算符 返回类型 描述 + numeric 所有数字类型 返回数字。 - numeric 所有数字类型 返回负数。 A + B 所有数字类型 A和B相加。结果数据类型与操作数据类型相关，例如一个整数类型数据加上一个浮点类型数据，结果数值为浮点类型数据。 A - B 所有数字类型

查看更多 →

算术运算符 运算符 返回类型 描述 + numeric 所有数字类型 返回数字。 - numeric 所有数字类型 返回负数。 A + B 所有数字类型 A和B相加。结果数据类型与操作数据类型相关，例如一个整数类型数据加上一个浮点类型数据，结果数值为浮点类型数据。 A - B 所有数字类型

查看更多 →

基于CodeArts IDE Online、TensorFlow和Jupyter Notebook开发深度学习模型 概要 准备工作 导入和预处理训练数据集 创建和训练模型 使用模型

查看更多 →

算术运算符 运算符 返回类型 描述 + numeric 所有数字类型 返回数字。 - numeric 所有数字类型 返回负数。 A + B 所有数字类型 A和B相加。结果数据类型与操作数据类型相关，例如一个整数类型数据加上一个浮点类型数据，结果数值为浮点类型数据。 A - B 所有数字类型

查看更多 →

算术运算符 运算符 返回类型 描述 + numeric 所有数字类型 返回数字。 - numeric 所有数字类型 返回负数。 A + B 所有数字类型 A和B相加。结果数据类型与操作数据类型相关，例如一个整数类型数据加上一个浮点类型数据，结果数值为浮点类型数据。 A - B 所有数字类型

查看更多 →

算术运算符 运算符 返回类型 描述 + numeric 所有数字类型 返回数字。 - numeric 所有数字类型 返回负数。 A + B 所有数字类型 A和B相加。结果数据类型与操作数据类型相关，例如一个整数类型数据加上一个浮点类型数据，结果数值为浮点类型数据。 A - B 所有数字类型

查看更多 →

创建迁移数据Jupyterlab算法工程，详细操作请参见创建特征工程。 请按照本节的操作顺序在算法工程中完成数据迁移，若其中穿插了其他数据操作，需要保证有前后衔接关系的两个代码框的dataflow名字一致。 绑定源数据 进入迁移数据JupyterLab环境编辑界面，运行“Import sdk”代码框。

查看更多 →

可见范围内的学员在学员端可看见此项目并可以进行学习，学习数据可在学习项目列表【数据】-【自学记录】查看。 学习设置： 防作弊设置项可以单个项目进行单独设置，不再根据平台统一设置进行控制。 文档学习按浏览时长计算，时长最大计为：每页浏览时长*文档页数；文档学习按浏览页数计算，不计入学习时长。 更多设置：添加协同人

查看更多 →

学习空间 我的课堂 MOOC课程 我的考试

查看更多 →