样本zero-shot learning zero
通过时序和上下文对比学习时间序列表征《Time-Series Representation Learning via Temporal and Contextual Contrasting》(时间序列、时序表征、时态和上下文对比、对比学习、自监督学习、半监督学习)
现在是2023年11月14日的22:15，肝不动了，要不先回寝室吧，明天把这篇看了，然后把文档写了。OK，明天的To Do List. 现在是2023年11月15日的10:35，继续。 论文：Time-Series Representation Learning via Temporal and C ......
论文精读：用于少样本目标检测的元调整损失函数和数据增强（Meta-tuning Loss Functions and Data Augmentation for Few-shot Object Detection）
论文链接：Meta-Tuning Loss Functions and Data Augmentation for Few-Shot Object Detection Abstract 现阶段的少样本学习技术可以分为两类：基于微调（fine-tuning）方法和基于元学习（meta-learning ......
小样本学习在图像识别中的挑战与突破
小样本学习（Few-Shot Learning）是一种机器学习方法，旨在从很少的样本中学习并做出准确的预测。在图像识别领域，小样本学习面临一些挑战，同时也涌现出一些突破性的解决方法。 挑战： 缺乏数据： 小样本学习的主要挑战之一是样本数量有限，这使得传统深度学习模型难以学习足够的特征。 过拟合： 由 ......
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 ......
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 ......
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 ......
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 ......
orange pi 香橙派 zero 刷openwrt当作有wifi的小路由器用
前面写过我用香橙派zero来测量温度 https://www.cnblogs.com/jar/p/15848178.html 最近准备把他改造成路由器 https://www.right.com.cn/forum/forum.php?mod=viewthread&tid=8221877 这里的固件很 ......
基于BERT的文本分类（以2023年CCF的小样本数据分类任务为例）
文本分类任务 1、问题分析 文本分类作为NLP的入门任务，因为其应用广泛被大家熟知，文本以今年的竞赛为例，详细的说明一下文本分类任务的实现步骤，竞赛如下： 因为该赛题是一个文本分类的任务，我们需要知道该任务的输入和输出，数据介绍如下，根据数据我们可以看出文本的输入分别是专利的title、assign ......
Go-zero对接dtm
go-zero对接分布式事务dtm保姆式教程 一、首先需要注意 go-zero 1.2.4版本以上，这个一定要注意 dtm 你用最新的就行了 二、clone dtm git clone https://github.com/yedf/dtm.git 三、配置文件 1、找到项目跟文件夹下的conf.s ......
2023CVPR_Spatial-Frequency Mutual Learning for Face Super-Resolution
一. Network：SFMNet 1.网络采用U-Net结构，其中SFMLM-i是不同分辨率的每层结构 2.SPB是空域分支，FRB是频域分支，分别经过FRB和SPB的两个分支信息经过FSIB分支进行信息的融合 3. FRB结构： class FreBlock9(nn.Module): def _ ......
Checkerboard Context Model for Efficient Learned Image Compression
目录AbstractIntroductionPreliminary 初步介绍Variational Image Compression with Hyperprior(超先验变分图像压缩)Autoregressive Context(自回归上下文模型)Parallel Context Modelin ......
BigDecimal java.lang.ArithmeticException: / by zero问题
BigDecimal bigDecimal=new BigDecimal("0.0"); BigDecimal bigDecimal1=new BigDecimal(0); //一定要用compareTo去比较被除数是否为0，不能用equals if (BigDecimal.ZERO.compare ......
分享一个项目：`learning_go_plan9_assembly`， 学习 golang plan9 汇编
作者:张富春(ahfuzhang)，转载时请注明作者和引用链接，谢谢！ cnblogs博客 zhihu Github 公众号:一本正经的瞎扯 近期在学习 golang plan9 汇编，总算基本做到了手写汇编，并整理了很多笔记。 plan9 汇编的资料少，难学，难用。可能也有想学习汇编的人会遇到与我 ......
Learn DevOps-第一章：Introduction
Introduction DevOps的定义有很多种，AWS对其定义如下： “DevOps is the combination of cutural philosophies, practices, and tools that increases an organization's abilit ......
神经网络基础篇：详解逻辑回归 & m个样本梯度下降
逻辑回归中的梯度下降 本篇讲解怎样通过计算偏导数来实现逻辑回归的梯度下降算法。它的关键点是几个重要公式，其作用是用来实现逻辑回归中梯度下降算法。但是在本博客中，将使用计算图对梯度下降算法进行计算。必须要承认的是，使用计算图来计算逻辑回归的梯度下降算法有点大材小用了。但是，认为以这个例子作为开始来讲解 ......
【专题】新消费看长沙：中国经济转型样本报告PDF合集分享（附原数据表）
原文链接：https://tecdat.cn/?p=34074 近年来，随着中国消费升级的趋势，新兴消费品牌在市场上逐渐崭露头角。这些品牌以挑战者的身份进入市场，通过创新的供应链、产品和营销策略，以用户为核心满足新的消费需求，实现了短期内的强劲增长和销售规模的快速扩张。然而，经济环境、疫情冲击和激烈 ......
ELIC: Efficient Learned Image Compression with Unevenly Grouped Space-Channel Contextual Adaptive Coding
abstruct \(\quad\) 受能量压缩表现的启发，提出了不均匀通道情况自适应编码.结合不均匀分组模型和现有上下文模型，获得一种空间通道上下文自适应模型，来提高编码性能，而不影响其运行时间。 \(\quad\)这种模型支持预览解码和渐进解码。 introduction 学习图像压缩中最重要的 ......
【CVPR2023】Learning A Sparse Transformer Network for Effective Image Deraining
论文：https://readpaper.com/paper/4736105248993591297 代码：https://github.com/cschenxiang/DRSformer Transformer 模型通常使用标准的 QKV 三件套进行计算，但是部分来自 K 的 token 与来自 ......
Introduction of Deep Reinforcement Learning
Reading Notes about the book Deep Reinforcement Learning written by Aske Plaat Recently, I have been reading the book Deep Reinforcement Learning writ ......
Tabular Value-Based Reinforcement Learning
Reading Notes about the book Deep Reinforcement Learning written by Aske Plaat Recently, I have been reading the book Deep Reinforcement Learning writ ......
使用IBM ART库生成交通信号牌的攻击样本
目标：生成对抗样本，扰动图像，让原本是“停”的信号牌识别为“禁止驶入”： 代码如下（注意，因为我找的cnn原始模型支持的是灰度图像，所以彩色的对抗样本还需要修改代码）： import cv2, os import numpy as np import numpy as np import tenso ......
使用IBM ART库生成对抗样本示例——生成将数字3预测为8的对抗样本
代码如下： import numpy as np import tensorflow as tf from tensorflow.keras.datasets import mnist from tensorflow.keras.models import Sequential from tenso ......
[UVA12683] Odd and Even Zeroes
Description 给出 \(n\)，求出 \(0!, 1!, 2! \ldots, n!\) 中有几个末尾有偶数个 \(0\)。 \(1\le n\le 10^{18}\)。 Solution 根据基本结论，一个数末尾 \(0\) 的个数等于该数有几个因数 \(5\)。而一个数的阶乘末尾有几个 ......
从 Zero 到 Hero ，一文掌握 Python
第一个问题，什么是 Python ？根据 Python 之父 Guido van Rossum 的话，Python 是： 一种高级程序语言，其核心设计哲学是代码可读性和语法，能够让程序员用很少的代码来表达自己的想法。 对于我来说，学习 Python 的首要原因是，Python 是一种可以优雅编程的语 ......
learn-ue-ui
learn ue ui Created: 2023-10-24T15:29+08:00 Published: 2023-10-25T12:47+08:00 目录IntroWidgetsText Box(Multi-Line) Intro User Interface Development - Un ......
[论文阅读] PCL: Proxy-based Contrastive Learning for Domain Generalization
PCL: Proxy-based Contrastive Learning for Domain Generalization abstract 领域泛化是指从不同源领域的集合中训练模型，该模型可以直接泛化到未见过的目标领域的问题。一种有前途的解决方案是对比学习，它试图通过利用不同领域之间的样本对之 ......