TF-Ranking排序学习的可扩展 TensorFlow 库
谷歌 AI 发布了最新成果 TF-Ranking,它是一个专门针对排序学习(learning-to-rank)应用的可扩展 TensorFlow 库。TF-Ranking 快速且易用,并能创建高质量的排序模型,对构建 web 搜索或新闻推荐等基于真实世界数据的排序系统感兴趣的人,都可以将 TF-Ranking 作为强稳的、可扩展的解决方案。
TF-Ranking 提供了一个统一的框架,该框架包括一套最先进的排序学习算法,并且支持 Pairwise 和 Listwise 损失函数、多项目评分、排序度量优化和无偏见排序等等。
TF-Ranking 快速且易用,并能创建高质量的排序模型。该统一框架让机器学习研究人员、实践者和爱好者能够在单个库中评估和选择一系列不同的排序模型。此外,谷歌 AI 团队坚信一个有用的开源库,它的关键不仅在于提供合理的默认值(sensible default),而且还在于能够授权用户开发自定义模型。为此,他们提供了灵活的 API,让用户可以在 API 中定义和插入自定义的损失函数、评分函数和指标。
评论
AdaNet轻量级和可扩展的 TensorFlow AutoML 框架
谷歌开源的AdaNet是一个轻量级的基于TensorFlow的框架,可以在最少的专家干预下自动学习高质量的模型。AdaNet使用了 AdaNet 算法用于训练和部署自适应神经网络 [Corteseta
AdaNet轻量级和可扩展的 TensorFlow AutoML 框架
0
TensorLayer基于TensorFlow的新型深度学习和强化学习库
TensorLayer是一个基于TensorFlow的新型深度学习和强化学习库,专为研究人员和工程师
TensorLayer基于TensorFlow的新型深度学习和强化学习库
0
Table-dragger构建可拖放排序表格的 JS 库
Table-dragger是一个可拖放排序表格的JavaScript迷你库。特点设置简单可同时对行/列进行排序排序时动画平滑无依赖支持触摸事件无需担心cellspacing,cellpadding,c
Table-dragger构建可拖放排序表格的 JS 库
0
SCOOPPython 中可扩展的并行操作库
SCOOP是 Python中可扩展的并行操作库。SCOOP(可伸缩的并发操作在Python中)是一个分布式的任务模块允许并发并行编程在各种环境中,从异构网格到超级计算机。特点:利用网络上的多台计算机的
SCOOPPython 中可扩展的并行操作库
0
yii2-admin基于YII2的可扩展后台,具备强大的扩展库
openadm/yii2-admin基于yii2-extension包管理和adminlte2主题构建的admin项目,包括了基础的用户管理,RBAC管理,扩展管理等核心功能。去OpenADM 查看更
yii2-admin基于YII2的可扩展后台,具备强大的扩展库
0
yii2-admin基于YII2的可扩展后台,具备强大的扩展库
openadm/yii2-admin基于yii2-extension包管理和adminlte2主题构
yii2-admin基于YII2的可扩展后台,具备强大的扩展库
0
Table-dragger构建可拖放排序表格的 JS 库
Table-dragger 是一个可拖放排序表格的 JavaScript 迷你库。特点设置简单可同时
Table-dragger构建可拖放排序表格的 JS 库
0