样本zero-shot learning zero
Learning Objectives COMP 250
Assignment 3 COMP 250 Winter 2023 posted: Thursday, March 23, 2023 due: Thursday, April 6, 2023 at 11:59m Learning Objectives By the end of this assig ......
固高GTS运动控制卡，C#语言三轴点胶机样本程序源代码
固高GTS运动控制卡，C#语言三轴点胶机样本程序源代码，使用 的是固高GTS-800 8轴运动控制卡。 资料齐全，3轴点胶机样本程序，还有操作手册及各种C#事例程序，适合自己参照做二次开发，GTS-400的四轴运动控制卡是一样使用。YID:9614642908768262 ......
[软件体系结构/架构]零拷贝技术(Zero-copy)[转发]
0 前言 近期遇到难题：1个大数据集的查询导出API，因从数据库查询后占用内存极大，每次调用将消耗近100MB的JVM内存资源。故现需考虑研究和应用零拷贝技术。 如下全文摘自: 看一遍就理解：零拷贝原理详解 - Zhihu/捡田螺的小男孩 零拷贝是老生常谈的问题啦，大厂非常喜欢问。比如Kafka为什 ......
COMP4318 COMP4318 – Machine Learning
OMP5318/COMP4318 – Machine Learning and Data Mining Semester 1, 2023Page 1 of 7Assignment 1: ClassificationKey informationDeadlinesSubmission: 11:59pm ......
Learning model-based planning from scratch
**发表时间：**2017 **文章要点：**这篇文章想说，之前的文章去做planning的时候，都会去设计一个planning的方法。这篇文章提出了一个端到端的方法，Imagination-based Planner，不去设计planning的方式，做到全部的端对端训练，agent会决定什么时候去 ......
sqlalchemy_learn_sqlite
/Users/song/codelearn/sqlalchemy_learn/init_test_data.py #!/usr/bin/env python3 # -*- coding: utf-8 -*- import asyncio import random from faker import ......
Appropriation and Appreciation------learning journals 4
There are many cultures in this world, but some cultures are rarely known, even if they are known to a certain extent, leading to the existence of ste ......
learn to js
Certainly! Here are some book and video recommendations to help you learn JavaScript: "JavaScript: The Good Parts" by Douglas Crockford - This book is ......
迁移学习（PCL）《PCL: Proxy-based Contrastive Learning for Domain Generalization》
论文信息 论文标题：PCL: Proxy-based Contrastive Learning for Domain Generalization论文作者：论文来源：论文地址：download 论文代码：download引用次数： 1 前言 域泛化是指从一组不同的源域中训练一个模型，可以直接推广到不 ......
Deep Transfer Learning综述阅读笔记
这是一篇linkedin发表的深度迁移学习综述, 里面讲了一些对于search/recommend system中的迁移学习应用. 有不少指导性的方法, 看完后摘录出来 对于ranking方向的TL, 主要有两种transfer方式: Model transfer 对于参数量非常大的预训练模型, F ......
2.9逻辑回归中单个和多个训练样本的梯度下降法
1.单个训练样本(损失函数) 在逻辑回归中我们需要做的就是变换参数w和b的值，来最小化损失函数 a也就是sigmoid函数，也就是a=1/(1+e^(-z)),所以dL/dz=dL/da * da/dz = a-y 这就是单个样本实例的一次梯度更新的步骤 2.多个训练样本 下图中有一个很明显的问题就 ......
zeRO-Offload代码实践
https://mp.weixin.qq.com/s/VOgNPEcDhmhMuDdy_HL0BA from deepspeed.ops.zero_offload import FP16ZeROOffloadEngine # Initialize the ZeRO-Offload engine ze ......
how to learn C++?
Here are some steps to learn C++: Learn the basics: Start with the basics of C++, including variables, data types, control structures, loops, and func ......
指针常量和常量指针_C++_Learning1
怎么读？ 遇到 "*" 读指针，遇到 "const" 读常量 一、指针常量 //指针常量——指针(也就是它存储的地址)是一个常量，所以其值不能修改，但指向的内容可以修改 int a = 10, b = 20; int* const ch = &a; //ch = &b; //其值不能修改 *ch = ......
numpy.zeros-返回一个以0填充的给定形状和类型的新数组
参考：https://numpy.org/doc/stable/reference/generated/numpy.zeros.html 语法格式 numpy.zeros(shape, dtype=float, order='C', *, like=None) 常用参数解释： shape: 接受整数 ......
Learning Action Completeness from Points for Weakly-supervised Temporal Action Localization概述
1.针对的问题 在弱监督时序动作定位领域提出了一些帧监督的方法，但是由于标签稀疏性，现有的工作无法学习动作的完整性，动作预测零碎，导致在高IoU阈值的情况下表现较差。作者试图通过生成密集的伪标签，为模型提供完整性指导。 2.主要贡献 •引入了一个新的框架，其中生成了密集的最优序列，以在点监督设置下为 ......
CVPR论文解读《Learning To Count Everything》
密集场景下的目标检测与计数 ———CVPR论文解读《Learning To Count Everything》 计数是我们经常会碰到的问题，使用最贴近我们生活实际的情景举例。例如统计上课已到教室的人数，或者统计货架上的物品数量、统计书架上的书本数。在比较密集的情况下，通过人工计数是非常麻烦的，但如果 ......
02.Deep Reinforcement Learning for Quantitative Trading Challenges and Opportunities
Deep Reinforcement Learning for Quantitative Trading Challenges and Opportunities 量化交易的深度强化学习：挑战与机遇 IEEE 背景 量化交易：量化交易是指借助现代统计学和数学的方法，利用计算机技术来进行交易的证券投资 ......
tv pine learning type system
类型系统分类 form type The form expresses when a value is known. The type denotes the nature of a value. form 要表达的是当值是知道的（比如常量，或者用户输入决定，而且后续就不变了） type 强调的是值 ......
[LeetCode] 2348. Number of Zero-Filled Subarrays
Given an integer array nums, return the number of subarrays filled with 0. A subarray is a contiguous non-empty sequence of elements within an array. ......
Learning with Mini-Batch
在机器学习中，学习的目标是选择期望风险$R_{exp}$(expected loss)最小的模型，但在实际情况下，我们不知道数据的真实分布（包含已知样本和训练样本），仅知道训练集上的数据分布。因此，我们的目标转化为最小化训练集上的平均损失，这也被称为经验风险$R_{emp}$(empirical l ......
Debiased Contrastive Learning of Unsupervised Sentence Representations 论文精读
ACL2022-long paper 原文地址 1. 介绍(Introduction) 问题: 由PLM编码得到的句子表示在方向上分布不均匀, 在向量空间中占据一个狭窄的锥形区域, 这在很大程度上限制了它们的表达能力. 已有的解决办法: 对比学习. 对于一个原句, 构造他的正例(语义相似的句子)和负 ......
小样本利器5. 半监督集各家所长：MixMatch，MixText，UDA，FixMatch
在前面章节中，我们介绍了几种半监督方案包括一致性正则，FGM对抗，最小熵原则，mixup增强。MixMatch则是集各家所长，把上述方案中的SOTA都融合在一起实现了1+1+1>3的效果。我们以MixMatch为基准，一并介绍几种衍生方案MixText，UDA，FixMatch ......
迁移学习（MixMatch）《MixMatch: A Holistic Approach to Semi-Supervised Learning》
论文信息 论文标题：MixMatch: A Holistic Approach to Semi-Supervised Learning论文作者：David Berthelot, Nicholas Carlini, Ian Goodfellow, Nicolas Papernot, Avital Ol ......
迁移学习（JDDA） 《Joint domain alignment and discriminative feature learning for unsupervised deep domain adaptation》
论文信息 论文标题：Joint domain alignment and discriminative feature learning for unsupervised deep domain adaptation论文作者：Chao Chen , Zhihong Chen , Boyuan Jia ......
【Surface Detection】Segmentation-Based Deep-Learning Approach for Surface-Defect Detection
物体表面缺陷检测现状 传统机器学习局限性 传统机器学习方法对于特定的算法只能解决特定的问题，不够灵活，无法快速适应新产品； 不同的问题有不同的特征，当需要解决新问题时，需要重新设计特征，开发周期长； 深度学习遇到的问题 训练数据数量需求大； 标注精度、耗时需求严格； 计算能力需求高。 该篇paper ......
Relational Learning with Gated and Attentive Neighbor Aggregator for Few-Shot Knowledge Graph Completion 小样本知识图谱补全论文解读
小样本知识图补全——关系学习。论文利用三元组的邻域信息，提升模型的关系表示学习，来实现小样本的链接预测。主要应用的思想和模型包括：GAT（图注意力神经网络）、TransH、SLTM、Model-Agnostic Meta-Learning (MAML)。 论文地址：https://arxiv.org ......
深度学习炼丹-不平衡样本的处理
数据层面的处理方法总的来说分为数据扩充和数据采样法，数据扩充会直接改变数据样本的数量和丰富度，采样法的本质是使得输入到模型的训练集样本趋向于平衡，即各类样本的数目趋向于一致。 ......
【机器学习】李宏毅——Unsupervised Learning
读这篇文章之间欢迎各位先阅读我之前写过的线性降维的文章。这篇文章应该也是属于Unsupervised Learning的内容的。 Neighbor Embedding Manifold Learning（流形学习） 在实际的数据中，很可能会存在这一种分布： 左边这个分布可以看成原先在二维平面上的分布 ......
论文解读（PCL）《Probabilistic Contrastive Learning for Domain Adaptation》
论文信息 论文标题：Probabilistic Contrastive Learning for Domain Adaptation论文作者：Junjie Li, Yixin Zhang, Zilei Wang, Keyu Tu论文来源：aRxiv 2022论文地址：download 论文代码：do ......