机器recognition learning教材
Reinforcement Learning Chapter 1
本文参考《Reinforcement Learning：An Introduction（2nd Edition）》Sutton. 强化学习是什么 传统机器学习方法可分为有监督与无监督两类； 有监督学习 > 任务驱动 无监督学习 > 数据驱动 强化学习则可看作机器学习的“第三范式” > 模拟驱动，具体 ......
RLHF · PBRL | 发现部分 D4RL tasks 不适合做 offline reward learning 的 benchmark
发现对于很多任务，（只要给出专家轨迹），将 reward 设为 0 或随机数，也能学出很好 policy，证明这些任务不适合用来评测 reward learning 的性能好坏。 ......
TRL(Transformer Reinforcement Learning) PPO Trainer 学习笔记
(1) PPO Trainer TRL支持PPO Trainer通过RL训练语言模型上的任何奖励信号。奖励信号可以来自手工制作的规则、指标或使用奖励模型的偏好数据。要获得完整的示例，请查看examples/notebooks/gpt2-sentiment.ipynb。Trainer很大程度上受到了原 ......
《Unix/Linux系统编程》教材学习笔记第十四章
chapter14 MySQL MySQL(MySQL 2018)是一个关系数据库系统(Codd 1970)。在关系数据库中，数据存储在表中。每个表由多个行和列组成。表中的数据相互关联。表也可能与其他表有关联。关系结构使得可在表上运行查询来检索信息并修改数据库中的数据。关系数据库系统的标准查询语言是 ......
《Unix/Linux系统编程》教材学习笔记第十三章
chapter13 网络编程内容 网络编程内容包括：TCP/IP协议、UDP和TCP协议、服务器-客户机计算、HTTP和Web页面、动态Web页面的PHP和CGI编程。 TCP/IP协议 TCP/IP（Comer 1988,2001;RFC1180 1991）是互联网的基础。TCP代表传输控制协议。 ......
《Unix/Linux系统编程》教材学习笔记第十二章
chapter12 块设备I/O缓冲区 读写普通文件的算法依赖于两个关键操作，即get_block和put_block，这两个操作将磁盘块读写到内存缓冲区中。由于与内存访问相比，磁盘I/O速度较慢，所以不希望在每次执行读写文件操作时都执行磁盘I/O。因此，大多数文件系统使用I/O缓冲来减少进出存储设 ......
A Learning Method for Feature Correspondence with Outliers读书笔记
A Learning Method for Feature Correspondence with Outliers 2022年 论文地址：A Learning Method for Feature Correspondence with Outliers | IEEE Conference Pub ......
x86机器上运行arm64 docker
Docker Hub 上可以找到各种非 x86_64 平台的镜像，但是在x86上直接运行会报错： panic: standard_init_linux.go:175: exec user process caused “exec format error” [recovered] 在 x86_64 ......
Go实现Zabbix企业微信机器人告警
企业微信 应用通知的程序相对复杂点，见上篇文章 机器人告警相对简单点，只需一个url即可 企业微信里创建一个机器人 注意机器人的url，后续程序中需要使用 直接上程序sjgzbx_machine.go package main import ( "bytes" "encoding/json" "fm ......
机器学习——通过时间反响传播
我们在 4.7节中描述了多层感知机中的 前向与反向传播及相关的计算图。 循环神经网络中的前向传播相对简单。 通过时间反向传播（backpropagation through time，BPTT） (Werbos, 1990)实际上是循环神经网络中反向传播技术的一个特定应用。 它要求我们将循环神经网络 ......
【论文阅读笔记】【OCR-文本识别】 CLIPTER: Looking at the Bigger Picture in Scene Text Recognition
CLIPTER ICCV 2023 读论文思考的问题 论文试图解决什么问题？ 现有的文本识别方法只关注于局部截取的文本区域，识别模型并没有利用全图的上下文信息，导致其可能对有挑战性的文本的识别效果较差 能否以某种方式使识别器利用上global feature的信息？ 文章提出了什么样的解决方法？ 提 ......
第十周Linux教材第六章学习笔记——信号和信号处理
信号和信号处理 6.1 信号和中断 在Linux中，信号是一种异步通信机制，用于通知进程发生了某些事件。 当进程接收到信号时，它可以选择忽略信号、执行默认操作或执行自定义操作。 “中断”是从I/O设备或协处理器发送到CPU的外部请求，它将CPU从正常执行转移到中断处理。而“信号”是要发送给进程的请求 ......
机器学习——循环神经网络的实现
独热编码 回想一下，在train_iter中，每个词元都表示为一个数字索引， 将这些索引直接输入神经网络可能会使学习变得困难。 我们通常将每个词元表示为更具表现力的特征向量。 最简单的表示称为独热编码（one-hot encoding）， 它在 3.4.1节中介绍过。 简言之，将每个索引映射为相互不 ......
机器学习——循环神经网络
隐状态 无隐状态的神经网络 有隐状态的循环神经网络 循环神经网络（recurrent neural networks，RNNs） 是具有隐状态的神经网络。 基于循环神经网络的字符级语言模型 回想一下 8.3节中的语言模型， 我们的目标是根据过去的和当前的词元预测下一个词元， 因此我们将原始序列移位一 ......
R语言机器学习方法分析二手车价格影响因素
原文链接:https://tecdat.cn/?p=34238 原文出处：拓端数据部落公众号 分析师：Siming Yan 比较多种机器学习方法优劣性，分析二手车价格影响因素，训练模型预测二手车价格。 任务 / 目标 根据印度二手车交易市场1996-2019年数据，进行清洗，建模，预测。 数据源准备 ......
使用ResponseSelector实现校园招聘FAQ机器人
本文主要介绍使用ResponseSelector实现校园招聘FAQ机器人，回答面试流程和面试结果查询的FAQ问题。FAQ机器人功能分为业务无关的功能和业务相关的功能2类。 一.data/nlu.yml文件 与普通意图相比，ResponseSelector训练数据中的意图采用group/intent格 ......
SuperGlue: Learning Feature Matching with Graph Neural Networks论文笔记
SuperGlue: Learning Feature Matching with Graph Neural Networks 源码: github.com/magicleap/SuperGluePretrainedNetwork 背景： 主要解决图像中点之间的对应关系。 主要方法： 上图为该方法的 ......
安装本地化docker registry，使其他机器能够发布容器
sudo docker pull registry:latest docker run -d -p 5000:5000 --name registry registry:latest http://localhost:5000/v2/_catalog, 检查运行成功 此时在子机3号上访问： http ......
Nature Plants | 从卫星监测的全大陆田间试验数据中获得主要作物性状的可解释机器学习模型
目录背景信息论文背景:过去方案:论文的Motivation:实验方法主要结果代码获取 澳大利亚国立大学生物研究院研究团队使用机器学习模型分析了大规模农田试验数据和卫星数据，成功预测了重要农作物特征，并揭示了作物行为的驱动因素和复杂相互作用。 背景信息 论文背景: 预计到2050年，全球人口将增加20 ......
机器学习——语言模型和数据集
语言模型 马尔可夫模型和n元语法 自然语言统计 读取长序列数据 由于序列数据本质上是连续的，因此我们在处理数据时需要解决这个问题。 在 8.1节中我们以一种相当特别的方式做到了这一点： 当序列变得太长而不能被模型一次性全部处理时， 我们可能希望拆分这样的序列方便模型读取。 在介绍该模型之前，我们看一 ......
机器学习——文本预处理
对于序列数据处理问题，我们在 8.1节中 评估了所需的统计工具和预测时面临的挑战。 这样的数据存在许多种形式，文本是最常见例子之一。 例如，一篇文章可以被简单地看作一串单词序列，甚至是一串字符序列。 本节中，我们将解析文本的常见预处理步骤。 这些步骤通常包括： 将文本作为字符串加载到内存中。 将字符 ......
机器学习——序列模型
在本质上，音乐、语音、文本和视频都是连续的。 如果它们的序列被我们重排，那么就会失去原有的意义。 比如，一个文本标题“狗咬人”远没有“人咬狗”那么令人惊讶，尽管组成两句话的字完全相同。 处理序列数据需要统计工具和新的深度神经网络架构。 为了简单起见，我们以 图8.1.1所示的股票价格（富时100指数 ......
Deep Learning：工业自动化和生产效率的变革者
Deep Learning 将改变工业。机器将能够完成那些需要人类智慧的工作。伴随着企业流程数字化和数据收集的发展，Deep Learning 的应用也将增加，使人类和机器之间的合作更加高效。这将彻底改变自动化和生产，实现更高效且更正确的决策流程以及更高的生产力，同时显著降低开发成本。 在我们的播客 ......
《Unix/linux系统编程》教材第6章学习笔记
|第5章| 信号和信号处理 信号和中断 “中断”是从I/O设备或协处理器发送到CPU的外部请求，它将CPU从正常执行转移到中断处理。与发送给CPU的中断请求一样，“信号”是发送给进程的请求，将进程从正常执行转移到中断处理。在讨论信号和信号处理之前，先来回顾中断的概念和机制，这有助于正确看待信号。 （ ......
zabbix基于docker容器部署配置企业微信机器人告警实例
配置 zabbix server 1.先在企业微信内创建机器人 2. 查看webhook 地址 3. 找到脚本执行目录 grep -Ev '^$|#' /etc/zabbix/zabbix_server.conf | grep ^A 4. 进入默认的脚本存放路径 cd /usr/lib/zabbix ......
为zabbix_server_docker容器安装Python 3完善机器人告警脚本环境
1.安装Python 3 dnf install python3 2.要验证安装，请输入以下命令检查Python版本： python3 --version 3.建立软连接： ln -s /usr/bin/python3.6 /usr/bin/python 4.安装epel： dnf install ......
使用itchat实现一个微信机器人聊天回复功能
近看到好多群里都有一个@机器人的功能，挺有趣的，想自己也玩下，就通过百度一点点实现，在这总结一下整个从无到有的过程。 首先，要知道itchat，它是Python写的，所以想要实现这个机器人的功能，需要使用Python（就是Python，ε=(´ο｀*)))唉），我是一点Python都不会，但是没关系 ......
[机器学习复习笔记] PCA 主成分分析（特征值分解、SVD分解）
PCA 主成分分析 1. 特征值分解 1.1 特征值分解的前提 矩阵是 方阵 矩阵是 可对角化的，即通过相似变化转化为对角矩阵。（相似变换 不会改变矩阵的特征值和特征向量 ） 矩阵的特征向量 线性无关，保证了特征值分解的 唯一性。 1.2 特征值分解 给定一个矩阵 \(A \in \mathbb{R ......
【论文阅读笔记】【OCR-文本识别】 Scene Text Recognition with Permuted Autoregressive Sequence Models
PARSeq ECCV 2022 读论文思考的问题 论文试图解决什么问题？ 一些文本识别模型会对 semantic 信息建模，从而辅助某些困难情况下的文本识别 传统的 auto-regressive 方式限制了语义信息的传输方向；双向的 auto-regressive 聚合增加了不必要的计算量和复杂 ......
process-exporter 监控linux机器进程使用情况
process-exporter 监控linux机器进程使用情况 背景 前期一直想进行 关于 IP地址的来源和目的地的监控 但是耗费了很多精力都没有搞定. 感觉应该去偷师一下安全监控软件的使用方式. 今天晚上再github上面漫无目的的进行 exporter的查找 依旧一无所获, 但是找到了 pro ......