在前面的文章中提到，联邦学习是一套将多方数据安全地联合起来进行建模的技术体系。显而易见的是，各参与方的数据覆盖...[作者空间]
随着机器学习技术的逐渐成熟，单纯依靠算法能够获得的效果提升已经逐渐触顶。在很多应用场景中，由于受限于数据（特征...[作者空间]
在实际的机器学习任务中，在模型训练完成后，通常或将得到的模型用于离线预测，或发布为线上服务（deploy）。离线预...[作者空间]
人无完人，同样也没有完美的技术。尽管BigDL尽可能地实现了简单易用，然而仍然存在一些不那么友好的地方。 ...[作者空间]
在参数优化过程中，多个子模型的协同是最大的难点。对于采用同步迭代的框架来说，参数同步阶段的性能损耗往往容易成为...[作者空间]
优化器是模型训练的主要承担者，当模型输出的数据通过损失函数得到梯度后，优化器根据相应的优化算法计算得到新的模型参数...[作者空间]
在BigDL中，实现了众多的算子，而它们共同继承自一个名为AbstractModule的接口。它对深度学习的基本逻...[作者空间]
模型构建 在BigDL中，模型构建的API共分为两层，即torch风格的低级API和keras风格的高级A...[作者空间]
在BigDL中，完成一次完整的深度学习过程共需要如下几步： 1. 构建数据集： 将训练数据转换成模型可...[作者空间]
虽然BigDL提供了完整的功能和完善的API，但是要想轻松自如的用好它其实并不容易。于是，Analytics-...[作者空间]
两种模式 对于图在内存中的存储，Euler提供了两种模式，分别为Fast和Compact。两种实现对于上层...[作者空间]
API接口： BigDL提供的API接口覆盖了数据读取，特征转换，模型定义，模型训练的完整流程，且为Loc...[作者空间]
随着深度学习的发展，当今的开源世界并不缺少成熟的深度学习框架，除Tensorflow和Torch两大阵营以外，...[作者空间]
图的操作 对图的操作主要有两类，即对节点邻居的采样操作和对节点和边的属性查询操作。 采样 对邻居的...[作者空间]
图引擎是Euler的核心，它对图中常用的算法进行了良好的封装。在Euler中，图引擎通过C++实现，以tensor...[作者空间]
最近几年，图模型受到的关注越来越多。在图模型的视角下，数据被定义为由节点和节点间的关系（或边）构成的网络。这种结构...[作者空间]
