Джейд Картер

653 subskrybentów
Wyślemy powiadomienie o nowych książkach, audiobookach, podcastach

Popularne książki

Tekst, format audio dostępny
Średnia ocena 4,9 na podstawie 78 ocen
Tekst
Średnia ocena 4,9 na podstawie 86 ocen
Tekst, format audio dostępny
Średnia ocena 5 na podstawie 68 ocen
Tekst
Średnia ocena 4,9 na podstawie 103 ocen
Tekst
Średnia ocena 5 na podstawie 138 ocen
Tekst, format audio dostępny
Średnia ocena 5 na podstawie 346 ocen
Tekst PDF
Średnia ocena 5 na podstawie 372 ocen
Tekst, format audio dostępny
Średnia ocena 4,9 na podstawie 314 ocen
Tekst
Średnia ocena 4,9 na podstawie 325 ocen
Tekst
Średnia ocena 4,9 na podstawie 404 ocen
Tekst
Średnia ocena 4,9 na podstawie 484 ocen
Tekst
Średnia ocena 5 na podstawie 365 ocen
Tekst, format audio dostępny
Średnia ocena 4,9 na podstawie 181 ocen
Tekst, format audio dostępny
Średnia ocena 4,9 na podstawie 463 ocen

Popularne audiobooki

Audio
Średnia ocena 5 na podstawie 3 ocen
Audio
Średnia ocena 5 na podstawie 19 ocen
Audio
Średnia ocena 5 na podstawie 30 ocen
Audio
Średnia ocena 4,5 na podstawie 32 ocen

Wszystkie książki autora

    Bez serii
    Książki Джейд Картер można pobrać w formatach fb2, txt, epub, pdf lub czytać online.
    Zaloguj się, aby dodać recenzję

    Cytaty

    Оптимизация в Python

    Tekst
    Średnia ocena 4,9 na podstawie 314 ocen

    Оптимизация кода – это процесс улучшения производительности и эффективности программного кода с целью сокращения времени выполнения задачи или снижения потребления ресурсов. Этот процесс включает в себя ряд техник и методов, которые могут быть применены к коду, чтобы сделать его более эффективным.

    Нейросети. Генерация изображений

    Tekst
    Średnia ocena 4,9 na podstawie 404 ocen

    В дискриминаторе, пакетная нормализация помогает улучшить способность модели различать реальные и сгенерированные данные. Это способствует более стабильному и эффективному обучению дискриминатора, что в свою очередь повышает производительность всей системы GAN.

    Нейросети начало

    Tekst
    Średnia ocena 4,9 na podstawie 463 ocen

    keras.layers.Dense(64, activation=relu), keras.layers.Dense(10, activation=softmax)