classicML
latest

Install

  • 安装

API

  • models
  • plots
  • backend
    • 1.切换你的后端
    • 2.直接使用后端的算子
    • 3.后端函数
      • cc
        • _utils
        • activations
        • callbacks
        • initializers
        • kernels
        • losses
        • metrics
        • ops
      • python
      • io
      • training
  • benchmarks

More

  • FQA: 问题解答
  • 资源
  • 为何选择classicML
  • 特别感谢
classicML
  • backend
  • cc
  • 在 GitHub 上编辑

cc

备注

  1. cc后端目前重写了接近80%的python后端,并针对时间开销进行大幅度的优化,平均优化幅度接近20%(基于作者的测试).

  2. cc后端的函数将以cc_xxx_function与原函数进行区分,类和Python后端类名一致,不同时调用多后端函数请忽略此提示.

  • _utils
    • ProgressBar
  • activations
    • Activation
    • Relu
    • Sigmoid
    • Softmax
  • callbacks
    • History
  • initializers
    • Initializer
    • GlorotNormal
    • HeNormal
    • RandomNormal
    • RBFNormal
    • XavierNormal
  • kernels
    • Kernel
    • Gaussian
    • Linear
    • Polynomial
    • RBF
    • Sigmoid
  • losses
    • Loss
    • BinaryCrossentropy
    • CategoricalCrossentropy
    • Crossentropy
    • LogLikelihood
    • MeanSquaredError
  • metrics
    • Metric
    • Accuracy
    • BinaryAccuracy
    • CategoricalAccuracy
  • ops
    • cc_bootstrap_sampling
    • ConvexHull
    • cc_calculate_centroids
    • cc_calculate_error
    • cc_calculate_euclidean_distance
    • cc_calculate_means
    • cc_clip_alpha
    • cc_compare_differences
    • cc_get_cluster
    • cc_get_conditional_probability
    • cc_get_dependent_prior_probability
    • cc_get_prior_probability
    • cc_get_probability_density
    • cc_get_w
    • cc_get_w_v2
    • cc_get_within_class_scatter_matrix
    • cc_init_centroids
    • cc_select_second_alpha
    • cc_type_of_target
    • cc_type_of_target_v2
上一页 下一页

© 版权所有 2020-2023, Steve R. Sun. 版本 41a41003.

利用 Sphinx 构建,使用的 主题 由 Read the Docs 开发.