classification fine-tuning weighting instance
神经网络优化篇：详解指数加权平均数（Exponentially weighted averages）
指数加权平均数 比如这儿有去年伦敦的每日温度，所以1月1号，温度是40华氏度，相当于4摄氏度。世界上大部分地区使用摄氏度，但是美国使用华氏度。在1月2号是9摄氏度等等。在年中的时候，一年365天，年中就是说，大概180天的样子，也就是5月末，温度是60华氏度，也就是15摄氏度等等。夏季温度转暖，然后 ......
《An End-to-end Model for Entity-level Relation Extraction using Multi-instance Learning》阅读笔记
代码 原文地址 预备知识： 1.什么是MIL？ 多示例学习（MIL）是一种机器学习的方法，它的特点是每个训练数据不是一个单独的实例，而是一个包含多个实例的集合（称为包）。每个包有一个标签，但是包中的实例没有标签。MIL的目的是根据包的标签来学习实例的特征和分类规则，或者根据实例的特征来预测包的标签。 ......
大语言模型优化方法简介：Prompt、RAG、Fine-tuning
GPT、LLama、Gemini等大语言模型虽展现出强大能力，但在实际应用中仍有问题，例如在准确性、知识更新速度和答案透明度方面，仍存在挑战。 论文“Retrieval-Augmented Generation for Large Language Models: A Survey（面向大语言模型的 ......
[Vue warn]: onUnmounted is called when there is no active component instance to be associated with
[Vue warn]: onUnmounted is called when there is no active component instance to be associated with. Lifecycle injection APIs can only be used during e ......
font-weight 对应的默认字体粗细权重
在 CSS 中，font-weight 属性的默认值是 normal。这通常对应于字体权重的数值 400。 - normal：相当于 400- bold：相当于 700- bolder：比父元素的字体更粗- lighter：比父元素的字体更细- 100 到 900：定义了从最薄 (100) 到最粗 ......
神经网络优化篇：详解神经网络的权重初始化（Weight Initialization for Deep NetworksVanishing / Exploding gradients）
神经网络的权重初始化 这是一个神经单元初始化地例子，然后再演变到整个深度网络。 来看看只有一个神经元的情况，然后才是深度网络。 单个神经元可能有4个输入特征，从\(x_{1}\)到\(x_{4}\)，经过\(a=g(z)\)处理，最终得到\(\hat{y}\)，稍后讲深度网络时，这些输入表示为\(a ......
Go - struct instance
func TestLoadConfig(t *testing.T) { var config Config fmt.Printf("%+v", config) require.Nil(t, config) } RUN TestLoadConfig {Environment:} /zdata/Gith ......
vuex报错“Vue3Instance<{}, Readonly<ExtractPropTypes<{}>>, Readonly<ExtractPropTypes<{}>>, {}, {}, true, ComponentOptionsBase”
vuex报错“Vue3Instance<{}, Readonly<ExtractPropTypes<{}>>, Readonly<ExtractPropTypes<{}>>, {}, {}, true, ComponentOptionsBase” 报错信息 [{ "resource": "/D:/g ......
Supervised Machine Learning : Regression and Classification
The course is available at : Supervised Machine Learning: Regression and Classification - Week 1: Introduction to Machine Learning - Week 1 | Coursera ......
CF1621G Weighted Increasing Subsequences
CF1621G Weighted Increasing Subsequences 你有一个长度为 \(n\) 的序列，定义 \(a\) 的一个长度为 \(k\) 的子序列为 \(a_{i_1},a_{i_2},\dots,a_{i_k}\)。由此，我们不难发现，\(a\) 的一个长度为 \(k\) ......
llama-factory fine-tuning 4 (mixtral fine-tuning)
introduction fine-tuning command click to view the code CUDA_VISIBLE_DEVICES=0 python src/train_bash.py \ --stage sft \ --do_train \ --model_name_or_p ......
【Nacos】启动报错 failed to req API:/nacos/v1/ns/instance after all servers([xxx]) tried: ErrCode:403、NacosException: Client not connected,current status: STARTING
1 com.alibaba.nacos.api.exception.NacosException：failed to req API:/nacos/v1/ns/instance after all servers([xxx]) tried: ErrCode:403, ErrMsg:<html><bo ......
《Progressive Learning of Category-Consistent Multi-Granularity Features for Fine-Grained Visual Classification》阅读笔记
论文标题 《Progressive Learning of Category-Consistent Multi-Granularity Features for Fine-Grained Visual Classification》 细粒度视觉分类中类别一致多粒度特征的渐进学习 作者 Ruoyi D ......
llama-factory fine-tuning 3
1 Introduction In this blog, we will use 3 dataset to fine-tuning our model using llama-factory. 2 dataset preparation 2.1 MedQA dataset (address) in ......
Unhandled exception. System.IO.IOException: The configured user limit (128) on the number of inotify instances 处理
现象:Unhandled exception. System.IO.IOException: The configured user limit (128) on the number of inotify instances has been reached, or the per-process ......
Fine-grained Visual Classification with High-temperature Refinement and Background Suppression
摘要 细粒度视觉分类是一项具有挑战性的任务，因为类别之间的相似性很高，单个类别中数据之间的差异不同。为了应对这些挑战，以前的策略侧重于定位类别之间的细微差异并理解其中的判别特征。然而，背景还提供了重要信息，可以告诉模型哪些特征对于分类是不必要的甚至有害，并且过于依赖细微特征的模型可能会忽略全局特征和 ......
SAP ABAP RZ11 事务码里 Instance Profile 和 Current Value 等参数值的解读
首先，让我们了解在SAP ABAP系统中通过事务码RZ11查看参数时，涉及的四个重要组件：Kernel Default、Default Profile、Instance Profile和Current Value。 Kernel Default： 含义： Kernel Default表示系统中SAP ......
llama-factory fine-tuning-3 (conception and technologies explanation)
train method supervised fine-tuning Reward Modeling PPO training DPO training full-parameter partial-parameter LoRA QLoRA command parameter fp16 gradi ......
llama-factory fine-tuning
data preparation for llama-factory fine-tuning, here is the instruction for custom dataset preparation. dataset classification alpaca stanford_alpaca ......
medical custom dataset for fine-tuning llama2
data preparation we use huggingface shibin6624/medical to fine-tuning llama2, please note that this dataset is consist of en and cn data, here we just ......
【题解】CF1621G Weighted Increasing Subsequences
常规，但不常规。 思路来自 @gyh. 思路 BIT 优化计数。 本来考虑的是对 LIS 进行计数，得到一个对 \([]\) 形式的值套三层求和的方式，然后再瞪眼找优化方法，但是没有发现什么好的处理方法，于是只能考虑转换计数方法。 考虑通过每个位置对答案的贡献计数。假设某个位置 \(x\) 被一个合 ......
CA-TCC: 半监督时间序列分类的自监督对比表征学习《Self-supervised Contrastive Representation Learning for Semi-supervised Time-Series Classification》(时间序列、时序表征、时间和上下文对比、对比学习、自监督学习、半监督学习、TS-TCC的扩展版)
现在是2023年11月27日，10:48，今天把这篇论文看了。 论文：Self-supervised Contrastive Representation Learning for Semi-supervised Time-Series Classification GitHub：https://g ......
Multivariate time series classification pytorch lstm
import torch import torch.nn as nn import torch.optim as optim import numpy as np from sklearn.model_selection import train_test_split # 生成示例数据 np.ran ......
Kaggle:Otto Group Classification
Kaggle:Otto Group Classification 数据处理 导入相应的包之后，从csv文件中读取数据，指定id列为index列。本身id列也不携带预测信息。同时将训练数据和测试数据拼接在一起。 train_data = pd.read_csv("dataset/train.csv", ......
AtCoder Regular Contest 144 E GCD of Path Weights
洛谷传送门 AtCoder 传送门 喵喵题。 考虑若所有点权都已确定，如何求 \(1\) 到 \(n\) 所有路径权值和的 \(\gcd\)。 考虑如何 check 一个 \(x\) 是否合法。\(x\) 合法的充要条件是，把不能从 \(1\) 到达的点和不能到达 \(n\) 的点扔掉后，存在一组 ......
ARC144E GCD of Path Weights
Description 给定 \(n\) 个点，\(m\) 条边的有向图，图中的任意一条有向边满足 边起点的编号小于边终点的编号。每个点有点权，但其中有些点的点权未知。 你需要找到一种给未知点权值的方案，使得 所有 \(1\to n\) 的路径点权和的最大公因数最大，或者告知答案可以无限大。输出这个 ......
《A Survey on Deep Learning-based Fine-grained Object Classification and Semantic Segmentation》阅读笔记
论文标题 《A Survey on Deep Learning-based Fine-grained Object Classification and Semantic Segmentation》 基于深度学习的细粒度对象分类和语义分割的综述 为什么是 “Object” 而不是 “image” 作 ......
CART（Classification and Regression Trees）
CART（Classification and Regression Trees）是一种常用的决策树算法，既可以用于分类问题，也可以用于回归问题。CART算法由Breiman等人于1984年提出，是一种基于递归二分划分的贪婪算法。以下是对CART算法的详细解释： 1. 决策树的构建过程： CART算 ......
vcpkg install polyclipping:x64-windows Could not locate a manifest (vcpkg.json) above the current working directory. This vcpkg distribution does not have a classic mode instance.
错误信息表明 vcpkg 在当前工作目录及其父目录中找不到 vcpkg.json 文件，因此无法确定要安装的库。 这可能是因为你执行 vcpkg install 命令的位置不在包含 vcpkg.json 文件的项目目录中。 以下是解决方法： 确保在包含 vcpkg.json 的项目目录中运行命令: ......
off-policy RL | Advantage-Weighted Regression (AWR)：组合先前策略得到新 base policy
Advantage-Weighted Regression: Simple and Scalable Off-Policy Reinforcement Learning 论文题目：Advantage-Weighted Regression: Simple and Scalable Off-Polic ......