clda semi-supervised contrastive adaptation
34 IIC（十二）IIC Adapter 源码分析
## 1. device tree * 100ask\_imx6ull-14x14.dts iic adapter注册 ```c pinctrl_i2c1: i2c1grp { fsl,pins = ; }; ... &i2c1 { clock-frequency = ; pinctrl-names ......
Domain Adaptation（领域自适应）
Domain Adaptation（领域自适应） 当测试材料和训练材料差异较大时，即使训练时正确率高，在测试中不一定高 例如：数字标识中，训练资料为黑白图片，测试资料为有色照片 在已经用灰白图片做好的模型，测试有色图片正确率低，可以收集有色图片（没有标注） 基本想法： 找一个Network（Feat ......
LoRA：Low-Rank Adaptation Of Language Model
# LoRA：Low-Rank Adaptation Of Language Model ## O、摘要 本文提出一种新的大模型（本文主要指 transformer）微调方法：低秩自适应。其主要特性为，冻结预训练模型的权重，并将可训练低秩矩阵，分解到模型的每一层，从而大大减少下游任务的训练参数量。与 ......
【DS】P9062 [Ynoi2002] Adaptive Hsearch&Lsearch（区间最近点对）
[Problem Link](https://www.luogu.com.cn/problem/P9062) 给定平面上 $n$ 个点，$Q$ 次询问编号在 $[l,r]$ 内的点的最近点对。$n,Q\le 2.5\times 10^5$。 技巧：平面网格化 乱搞都是错的。看见欧几里德距离，想到平面 ......
Contrast Value
# Contrast Value ## 题面翻译 定义序列 $a_1,a_2,\dots,a_n$ 的权值是$|a_1-a_2|+|a_2-a_3|+\dots+|a_{n-1}-a_n|$。 $T$ 次询问，每次给一个序列 $a$ ，一个 $a$ 的子序列 $b$ 合法当且仅当 $b$ 权值和 $ ......
微调7B模型只用单GPU！通用多模态工具LLaMA-Adapter拆掉门槛，效果惊人
前言 开源万能模型微调工具LLaMA-Adapter发布，支持多模态输入输出。 本文转载自新智元 仅用于学术分享，若侵权请联系删除 欢迎关注公众号CV技术指南，专注于计算机视觉的技术总结、最新技术跟踪、经典论文解读、CV招聘信息。 CV各大方向专栏与各个部署框架最全教程整理 【CV技术指南】CV全栈 ......
Google Test Adapter安装
## 背景 我有一个vs2015 的gtest 工程，编译完成后，需要gtest adapter帮我把测试列表显示出来，但是通过vs自带的工具或者网页下载安装遇到2个问题： 1、下载速度超级慢，慢到我能到火星再回来； 2、网页下载安装后，打开vs显示没有安装，依然不可用。https://market ......
设计模式--适配器模式 Adapter
设计模式 适配器模式 Adapter 定义一个规则 >和尚 吃斋 念经 打坐 撞钟 习武 缺省适配器模式 鲁智深 鲁达 形态丑陋 面貌凶顽 此人上应天星 心地刚直 虽时下凶顽 命中驳杂 久后却得清净 证果非凡 汝等皆不及他 就是在一个接口跟正常子类中间差了一个抽象类，把一些不太重要的类挑选出去，把它 ......
31 IIC（九）iic adapter
[代码](https://gitee.com/super_glob/linux-driver-code/tree/master/2023.06.23_i2c_adapter) ## 1 iic adapter驱动架构 i2c adapter设备是挂载于platform bus 整体重点架构如下 * ......
EulerNet Adaptive Feature Interaction Learning via Euler’s Formula for CTR Prediction
[TOC] > [Tian Z., Bai T., Zhao W., Wen J. and Cao Z. Eulernet: Adaptive feature interaction learning via euler’s formula for ctr prediction. SIGIR, 20 ......
用LASSO，adaptive LASSO预测通货膨胀时间序列|附代码数据
原文链接：http://tecdat.cn/?p=22273 最近我们被客户要求撰写关于LASSO的研究报告，包括一些图形和统计输出。 如果你了解数据科学领域，你可能听说过LASSO。LASSO是一个对目标函数中的参数大小进行惩罚的模型，试图将不相关的变量从模型中排除 动机 它有两个非常自然的用途， ......
Contrastive Learning for Representation Degeneration Problem in Sequential Recommendation
[TOC] > [Qiu R., Huang Z., Ying H. and Wang Z. Contrastive learning for representation degeneration problem in sequential recommendation. WSDM, 2022.] ......
6) Adapter Pattern
类别： Structural Pattern 问题： 什么是接口？按照标准提供服务，其他想要使用该接口的要按照该标准接入服务 什么是依赖？持有目标对象，拥有使用权（A use B） 数据线？数据线按USB标准接入充电宝，通过lightning 提供充电服务 手机？通过lightning标准接入数据线 ......
cpp:Adapter Pattern
/*****************************************************************//** * \file GoldLogToFile.h * \brief 适配器模式Adapter Pattern 亦称： 封装器模式、Wrapper、Adapter ......
[CVPR23 Highlight] Side Adapter Network for Open-Vocabulary Semantic Segmentation论文阅读笔记
** ## 摘要 本文提出了一个用于开放词汇语义分割的新框架SAN，将语义分割任务建模为区域识别问题，提取mask proposals并使用CLIP对mask进行识别。SAN可以重新利用CLIP的特征，因此其本身可以非常轻量；同时网络可以端到端地进行训练，从而使SAN适应冻结的CLIP模型。本文方法 ......
python -- 解决连接sqlserver出现的“ pymssql._pymssql.OperationalError: (20009, b'DB-Lib error message 20009, severity 9:\nUnable to connect: Adaptive Server is unavailable or does not exist”问题
因为工作关系，近期需要用python连接sqlserver处理一些数据问题。 由于笔记本上的软件是新安装的，所以有些配置避免不了重新设置，期间遇到一些小问题，记录一下。 下面正式开始 写一段代码，测试sqlserver数据库连接 import pymssql # 写法1# conn = pymssq ......
Paper Reading: Adaptive Neural Trees
本文设计了自适应神经树(ANT)将 NN 和 DT 的优点结合起来，ANT 将树结构中的路由决策和根到叶的计算路径表示为 NN，从而实现了分层表示学习。ANT 以树形拓扑作为一个强结构先验，通过该结构令特征以分层方式共享和分离。同时提出了一种基于反向传播的训练算法，基于一系列决策来生长 ANT 的结... ......
适配器模式（Adapter）
#include <iostream> using namespace std; class ThreePhaseOutlet { public: void doThreePhasePlug() { cout << "三相插头接入" << endl; } }; class TwoPhaseOutle ......
论文解读（ID-MixGCL）《ID-MixGCL: Identity Mixup for Graph Contrastive Learning》
论文信息 论文标题：ID-MixGCL: Identity Mixup for Graph Contrastive Learning论文作者：Gehang Zhang.....论文来源：2023 aRxiv论文地址：download 论文代码：download视屏讲解：click 介绍 ......
Controllable Guarantees for Fair Outcomes via Contrastive Information Estimation
Gupta U., Ferber A. M., Dilkina B. and Steeg G. V. Controllable guarantees for fair outcomes via contrastive information estimation. AAAI, 2021. 概 本文提 ......
[Design Pattern] Adapter Design Pattern - code example
interface EnemyAttacker { fireWeapon(): void; driveForward(): void; assignDriver(driverName: string): void; } // Target class EnemyTank implements Ene ......
迁移学习（VMT）《Virtual Mixup Training for Unsupervised Domain Adaptation》
论文信息 论文标题：Virtual Mixup Training for Unsupervised Domain Adaptation论文作者：Takeru Miyato, S. Maeda, Masanori Koyama, S. Ishii论文来源：2019 CVPR论文地址：download ......
2022AAAI_Semantically Contrastive Learning for Low-light Image Enhancement(SCL_LLE)
1. motivation 利用语义对比学习 2. network (1) 输入的是低光图像首先经过图像增强的网络（Zero-DCE), 再将它传入语义分割网络中 （2）语义分割网络用的是DeepLabv3+ ......
[Pattern] Adapter pattern
Check the adapter pattern https://www.tutorialspoint.com/design_pattern/adapter_pattern.htm Client: Call the common entry public class AdapterPatternD ......
迁移学习（MEnsA）《MEnsA: Mix-up Ensemble Average for Unsupervised Multi Target Domain Adaptation on 3D Point Clouds》
论文信息 论文标题：MEnsA: Mix-up Ensemble Average for Unsupervised Multi Target Domain Adaptation on 3D Point Clouds论文作者：Ashish Sinha, Jonghyun Choi论文来源：2023 C ......
论文解读（VAT）《Virtual Adversarial Training: A Regularization Method for Supervised and Semi-Supervised Learning》
论文信息 论文标题：Virtual Adversarial Training: A Regularization Method for Supervised and Semi-Supervised Learning论文作者：Takeru Miyato, S. Maeda, Masanori Koya ......
迁移学习（PAT）《Pairwise Adversarial Training for Unsupervised Class-imbalanced Domain Adaptation》
论文信息 论文标题：Pairwise Adversarial Training for Unsupervised Class-imbalanced Domain Adaptation论文作者：Weili Shi, Ronghang Zhu, Sheng Li论文来源：KDD 2022论文地址：dow ......
迁移学习（COAL）《Generalized Domain Adaptation with Covariate and Label Shift CO-ALignment》
论文信息 论文标题：Generalized Domain Adaptation with Covariate and Label Shift CO-ALignment论文作者：Shuhan Tan, Xingchao Peng, Kate Saenko论文来源：ICLR 2020论文地址：downl ......
LoRA（Low-Rank Adaptation of Large Language Models）-- 一种大模型prompt-tuning调优方法
一、Pre-train + Fine-tuning范式 0x1：为什么要微调 对于数据集本身很小（几千张图片/几千段文本）的情况，从头开始训练具有几千万参数的大型神经网络是不现实的，因为越大的模型对数据量的要求越大，过拟合无法避免。这时候如果还想用上大型神经网络的超强特征提取能力，只能靠微调已经训练 ......
论文解读（PAWS）《Semi-Supervised Learning of Visual Features by Non-Parametrically Predicting View Assignments with Support Samples》
论文信息 论文标题：Semi-Supervised Learning of Visual Features by Non-Parametrically Predicting View Assignments with Support Samples论文作者：Mahmoud Assran, Mathi ......