样本zero-shot learning zero
go-zero 生成RPC
1.编写message.proto文件 syntax = "proto3";package pb;// 生成golang 代码后的包名option go_package ="./pb";enum Status{ UNSPECIFIED=0; SUCCESS=1; FAILED=2;}message ......
SpringBoot-Learning系列之Kafka整合
SpringBoot-Learning系列之Kafka整合 本系列是一个独立的SpringBoot学习系列，本着 What Why How 的思想去整合Java开发领域各种组件。 消息系统 主要应用场景 流量消峰(秒杀 抢购)、应用解耦（核心业务与非核心业务之间的解耦） 异步处理、顺序处理 实时数据 ......
Graph Construction and b-Matching for Semi-Supervised Learning
目录概符号说明图的构建Graph Sparsification\(\epsilon\)-neighborhood graph\(k\)NN graph\(b\)-MatchingGraph Edge Re-Weighting Jebara T., Wang J. and Chang S. Graph ......
go微服务开发：go-zero入门教程（三）
背景：开发中，免不了要对代码进行debug调试，go也不例外，使用go-zero框架时，该怎么对项目进行调试呢？ 以user模块为例，找到service/user/api/user.go，这是user模块的入口，打开user.go可以看到main函数。 TRANSLATE with x Englis ......
论文解读（LR2E）《Learning to Reweight Examples for Robust Deep Learning》
Note：[ wechat：Y466551 | 可加勿骚扰，付费咨询 ] 论文信息 论文标题：Learning to Reweight Examples for Robust Deep Learning论文作者：Mengye Ren、Wenyuan Zeng、Bin Yang、Raquel Urta ......
Proj CDeepFuzz Paper Reading: Metamorphic Testing of Deep Learning Compilers
## Abstract 背景：Compiling DNN models into high-efficiency executables is not easy: the compilation procedure often involves converting high-level model ......
Machine learning note(1)
注：本笔记不给出完整解释 ## 正规方程 设$z=\theta^{T}x$ 设损失函数为$J(\theta)$，求令$\frac{\partial J}{\partial \theta}=0$的$\theta$ 由此得出最优的$\theta$ ## 牛顿迭代 回顾一下梯度下降：$\theta'=\t ......
Learn Git in 30 days——第 14 天： Git for Windows 选项设定
写的非常好的一个Git系列文章，强烈推荐 原文链接：https://github.com/doggy8088/Learn-Git-in-30-days/tree/master/zh-cn 使用 Git for Windows 指令列工具绝对比通过 GUI 工具操作来的有效率，原因就在于你可以把许多重 ......
Proj CDeepFuzz Paper Reading: A Comprehensive Study of Deep Learning Compiler Bugs
## Abstract 背景：深度学习编译器处理的深度学习模型与命令式程序有根本的不同，因为深度学习模型中的程序逻辑是隐式的。（the DL models processed by DL compilers differ fundamentally from imperative programs ......
Proj CDeepFuzz Paper Reading: DeepMutation: Mutation Testing of Deep Learning Systems
## Abstract 本文：DeepMutation Github: https://github.com/berkuva/mutation-testing-for-DNNs Task: mutation testing framework specialized for DL systems t ......
Proj CDeepFuzz Paper Reading: TensorFlow: a system for Large-Scale machine learning
## Abstract 本文:Tensorflow Github: https://github.com/tensorflow/tensorflow Task: Detail on Tensorflow dataflow model 特点: 1. operates at large scale an ......
Proj CDeepFuzz Paper Reading: PyTorch: an imperative style, high-performance deep learning library
## Abstract 本文： PyTorch Task: detail the implementation and architecture of PyTorch Github: https://github.com/pytorch/pytorch 特点： 1. PyTorch同时关注可用性和速 ......
Learn Git in 30 days——第 13 天：暂存工作目录与索引的变更状态
写的非常好的一个Git系列文章，强烈推荐 原文链接：https://github.com/doggy8088/Learn-Git-in-30-days/tree/master/zh-cn 有没有遇过这种情境，某个系统开发写到一半，结果被老板或客戶「插单」，被要求紧急修正一个现有系统的 Bug 或添加 ......
Proj CDeepFuzz Paper Reading: PELICAN: Exploiting Backdoors of Naturally Trained Deep Learning Models In Binary Code Analysis
## Abstract 背景： 1. 本文研究的不是被恶意植入的后门，而是products of defects in training 2. 攻击模式: injecting some small fixed input pattern(backdoor) to induce misclassifi ......
Proj CDeepFuzz Paper Reading: Balancing Effectiveness and Flakiness of Non-Deterministic Machine Learning Tests
## Abstract 背景：In fact, some of the latest findings suggest that the existence of adversarial attacks may be an inherent weakness of deep learning mod ......
Proj CDeepFuzz Paper Reading: COMET: Coverage-guided Model Generation For Deep Learning Library Testing
## Abstract 背景：已有的方法(Muffin, Lemon, Cradle) can cover at most 34.1% layer inputs, 25.9% layer parameter values, and 15.6% layer sequences. 本文：COMET Gi ......
Proj CDeepFuzz Paper Reading: IvySyn: Automated Vulnerability Discovery in Deep Learning Frameworks
## Abstract 本文：IvySyn Task: discover memory error vulnerabilities in DL frameworks BugType: memory safety errors, fatal runtime errors Method: 1. 利用na ......
样本数量、模型参量的研究
参考文献：https://arxiv.org/abs/1707.02968 https://arxiv.org/abs/1511.02251 来自于知乎FUNNY AI 在Revisiting Unreasonable Effectiveness of Data in Deep Learning E ......
基于ASP.NET ZERO，开发SaaS版供应链管理系统
# 前言 在园子吸收营养10多年，一直没有贡献，目前园子危机时刻，除了捐款+会员，也鼓起勇气，发篇文助力一下。 2018年下半年，公司决定开发一款SaaS版行业供应链管理系统，经过选型，确定采用ABP（ASP.NET Boilerplate）框架。为了加快开发效率，购买了商业版的 ASP.NET Z ......
[论文阅读] Learning Semi-supervised Gaussian Mixture Model
# Learning Semi-supervised Gaussian Mixture Models for Generalized Category Discovery ## Abstract 在本文中，我们解决了广义类别发现(generalized category discovery, GCD ......
Learn Git in 30 days——第 12 天：认识 Git 物件的相对名称
写的非常好的一个Git系列文章，强烈推荐 原文链接：https://github.com/doggy8088/Learn-Git-in-30-days/tree/master/zh-cn 在认识了 Git 物件的「绝对名称」与「参照名称」后，最后我们来介绍 Git 版控过程中也很常用到的「相对名称」 ......
对 OneNote 传播 STRRAT 恶意样本分析
## 一、前述 4 月 7 日凌晨 3 点，Unit42 在 Twitter 上发表了一个关于通过 OneNote 进行传播恶意软件的样本推文。从最近国外安全媒体及安全人员发布的信息来看，如今用 OneNote 进行钓鱼的恶意事件逐渐增多，以前也分析过一些 Office 恶意样本，主要是 word ......
Proj CDeepFuzz Paper Reading: Differential Testing of Cross Deep Learning Framework APIs: Revealing Inconsistencies and Vulnerabilities
## Abstract 背景：目前对cross-framework conversion中的inconsistencies和security bugs的研究少有 本文：TensorScope Task: test cross-frame APIs in Machine Learning Librar ......
Learn Git in 30 days——第 11 天：认识 Git 物件的一般参照与符号参照
写的非常好的一个Git系列文章，强烈推荐 原文链接：https://github.com/doggy8088/Learn-Git-in-30-days/tree/master/zh-cn 在认识了 Git 物件的「绝对名称」后，接下来就要介绍 Git 版控过程中最常用到的「参照名称」。 认识物件的参 ......
Proj CDeepFuzz Paper Reading: DeepGauge: multi-granularity testing criteria for deep learning systems
## Abstract 本文: DeepGauge Task: provide multi-granularity testing criteria for DL systems Method: multi-granularity testing criteria for DL systems: 1 ......
[论文阅读] Prototypical contrastive learning of unsupervis
# Prototypical contrastive learning of unsupervised representations ## abstract 这篇论文介绍了原型对比学习（PCL），一种将对比学习与聚类相结合的无监督表示学习方法。PCL不仅为实例区分任务学习低层特征，更重要的是==* ......
Proj CDeepFuzz Paper Reading: Combinatorial Testing for Deep Learning Systems
## Abstract 本文：DeepCT Task: Testing DL Models with Combinatorial Testing Method: 1. 将输出值的空间离散化为区间，以便覆盖每个区间,对不同层内的神经元交互进⾏采样，并减少必须执⾏的测试输⼊的数量。 2. a set o ......
机器学习 -> Machine Learning (III)
> 来做一些入门题吧. 以下大多是 kaggle 环境. **Q1 Titanic** https://www.kaggle.com/competitions/titanic import ``` # This Python 3 environment comes with many helpful ......
Meta-Learning, A Survey
## 一、概述 通常在机器学习里，我们需要用大量的数据来训练一个模型；当场景发生改变时，模型就需要重新训练。这显然提升了成本，而人类学习方式与此不同，一个小孩子在学习动物的过程中，学习了很多动物的名称，当某次给他看一些没有见过的动物时，他总能很快的将新动物和别的动物区分开。Meta learning ......
aarch64/arm_v8 环境下编译Arcade-Learning-Environment —— ale-py
conda install g++=12 cmake ../ -DCMAKE_BUILD_TYPE=Release -DPYTHON_INCLUDE_DIR=/home/share/xxx/home/software/anaconda3/include -DPYTHON_LIBRARY=/home/ ......