crossing self hard 335
01.Self—attention
self—attention 自注意力机制 一、输入 在学习自注意力机制之前，我们学到的神经网络的输入都是一个向量，输出可能是一个数值或者是一个类别。 1.举个例子。假设输入的向量是一排向量，而且输入的向量的数目是会改变的， 最简单的输入长度会改变的向量就是文字处理，假设我们的输入是一个句子的话。 ......
题解 Andeviking 开公司 (hard)
## problem 链接：https://ac.nowcoder.com/acm/contest/59248/J 来源：牛客网 Andeviking 受够了打工人的生活。为了体验一下老板的感觉，他准备自己开一家公司，而一个公司能够高效运转的前提是该公司有一个高效的财务系统。由于 Andevikin ......
Self-Supervised Hypergraph Convolutional Networks for Session-based Recommendation
[TOC] > [Xia X., Yin H., Yu J., Wang Q., Cui L and Zhang X. Self-supervised hypergraph convolutional networks for session-based recommendation. AAAI, ......
Self-Supervised Graph Co-Training for Session-based Recommendation
[TOC] > [Xia X., Yin H., Yu J., Shao Y. and Cui L. Self-supervised graph co-training for session-based recommendation. CIKM, 2021.](http://arxiv.org/a ......
QA|外部调用类方法总报错missing 1 required positional argument:'self'|UI自动化
外部调用类方法总报错missing 1 required positional argument:'self' 原因：实例化这个类 实例化错了，少了括号() 解决：改成如下就可以了 参考学习：调用类方法时报错：missing 1 required positional argument: 'self ......
常见LOSS函数之Cross Entropy(交叉熵)
# 常见LOSS函数之Cross Entropy(交叉熵) 交叉熵是分类问题常用的损失函数。 ## 熵 熵表示稳定性或者说惊喜度，熵越高表示越稳定，其惊喜度就越低。  ## 1. Motivation Chain-of-Thought(CoT)使Large Language Models(LLMs)在复杂的推理任务中取得了令人鼓舞的结果。 本文提出了一种新的解码策 ......
阴影的Hard, Soft设置
Hard就是不做阴影抗锯齿，Soft就是开启阴影抗锯齿 在2个地方可以设置： 1) 菜单 -> Editor -> Project Settings -> Quality页签下的Shadows 2) Light组件的Shadow Type属性 Project Settings中设为Hard时，就算L ......
[论文阅读] GAS-NeXt@Few-Shot Cross-Lingual Font Generator
## Pre title: GAS-NeXt: Few-Shot Cross-Lingual Font Generator accepted: arxiv 2022 paper: https://arxiv.org/abs/2212.02886 code: https://github.com/cm ......
创建一个自托管（Self-Host）的WCF Service
创建一个自托管（Self-Host）的WCF Service ```csharp // Create WCF service host Uri baseAddress = new Uri("https://127.0.0.1:8087/MyWcfService"); ServiceHost host ......
AT_wtf19_c2 Triangular Lamps Hard 解题报告
[AT_wtf19_c2 Triangular Lamps Hard](https://www.luogu.com.cn/problem/AT_wtf19_c2) 解题报告： 做法参考自 [WTF C2 Triangular Lamps Hard 別解法 by yosupo](https://yos ......
CLIP-S^4：Language-Guided Self-Supervised Semantic Segmentation论文阅读笔记
## 摘要 作者提出了CLIP-S4，借助自监督像素表示学习和V-L模型实现各种语义分割任务，不需要使用任何像素级别标注以及未知类的信息。作者首先通过对图像的不同增强视角进行像素-分割对比学习来学习像素嵌入。之后，为进一步改善像素嵌入并实现基于自然语言的语义分割，作者设计了由V-L模型指导的嵌入一致 ......
python类中调用类方法时，报错self参数未填
转载：(14条消息) python类中调用类方法时，报错self参数未填。_追天一方的博客-CSDN博客 又碰到了一个小错误 比如一个类如下： class print_number(object): def __init__(self,string="数字是"): self.string=strin ......
《AutoInt: Automatic Feature Interaction Learning via Self-Attentive Neural Networks》特征交叉论文阅读
背景 这是一篇利用多头attention机制来做特征交叉的论文 模型结构 AutoInt的模型结构如上图所示，搞模型包含 Embedding Layer、Interacting Layer、Output Layer三个部分，其中Embedding Layer和Output Layer和普通模型没什么 ......
CF1824B2 LuoTianyi and the Floating Islands (Hard Version) - 概率期望 - 树的重心 -
题目链接：https://codeforces.com/contest/1824/problem/B2 题解： 考虑一棵 $n$ 个点的树，假如已经选定了 $k$ 个特殊点，如何判断某一个点是否为好点？ 显然将这个点提到根没有影响，那么好点的充要条件是对于所有子树的 $S_u$ 值都 $\leq k ......
Access to XMLHttpRequest at 'file:///xxx/%C3%A7%C2%9C' from origin 'null' has been blocked by CORS policy: Cross origin requests are only supported for protocol schemes:
Access to XMLHttpRequest at 'file:///xxx/%C3%A7%C2%9C' from origin 'null' has been blocked by CORS policy: Cross origin requests are only supported fo ......
李宏毅self-attention笔记
面对的问题是什么？ 复杂输入，多个变长的向量 这里自然会想到RNN，后面会有比较 具体的场景， 可以是一段话，每个word一个向量，可以用one hot，但大多时候是用embedding 可以是一段印频，每25ms一个向量，按10ms滑动，可以看出音频的数据量是非常大的 也可以是一张图片。。。 输出 ......
G2 - Magic Triples (Hard Version)
题解：值域分治，降低时间复杂度到 n*1000+map 代码1： 点击查看代码 #include<bits/stdc++.h> using namespace std; typedef long long LL; typedef pair<int,int> PLL; #define IOS cin. ......
rust中的self与Self
self self 是一个代表**类型实例（或者是类型的引用或者是值）**的关键字，在 Rust 的方法中使用 self 可以==引用当前类型的实例或者类型本身==。 具体来说，当我们定义一个方法时，使用 self 关键字作为方法的第一个参数可以让我们在调用该方法时直接访问类型实例本身 struct ......
[题解] P9215 [入门赛 #11] [yLOI2021] 扶苏与 1 (Hard Version)
~~谨以此题解纪念我的20次提交~~。 题目大意 给一个整数 $x$ 和 进位次数 $k$，求一个数 $y$ 使得列竖式计算 $x+y$ 时正好产生 $k$ 次进位。 思路 ~~（最开始是想正着搞的，但是怎么也调不出来）~~提供一种倒着做的做法。 首先有几个结论： 产生进位 $=$ 给前一位 $+1 ......
G2. Magic Triples (Hard Version)
G2. Magic Triples (Hard Version) This is the hard version of the problem. The only difference is that in this version, $a_i \le 10^9$. For a given seq ......
向量点积dot，叉积cross product
点积 概括地说，向量的内积（点乘/数量积）。对两个向量执行点乘运算，就是对这两个向量对应位一一相乘之后求和的操作，点乘的结果是一个标量(数量而不是向量) 点积（点乘）的几何意义包括： 表征或计算两个向量之间的夹角 b向量在a向量方向上的投影 叉积 两个向量的外积，又叫叉乘、叉积向量积，其运算结果是一 ......
react hooks ts 项目报Empty components are self-closing
这个错误通常发生在使用 TypeScript 和 React Hooks 的项目中，它表示你的组件没有正确地关闭。这种情况下，编译器会认为空组件语法是自闭合的，但实际上并不是。 要解决这个问题，你需要检查所有的组件，并确保它们都正确地关闭。一般情况下，你应该避免使用空的 JSX 语法，换而言之，你应 ......
SQL Server Cross Join、Cross Apply和Outer Apply
先简单了解下cross apply的语法以及会产生什么样的结果集吧！ 示例表： SELECT * FROM tableA CROSS APPLY tableB 两张表直接连接，不需要任何的关联条件，产生的结果就是这两张表的笛卡儿集，在这里和上一篇帖子讲的cross join交叉连接的结果集是一样的 ......
Git 之 reset --hard 回退/回滚到之前的版本代码后，后悔了，如何在恢复之后的版本的方法简单整理
https://blog.csdn.net/u014361280/article/details/127740356 ......
Codeforces Round 850 (Div. 2, based on VK Cup 2022 - Final Round) E. Monsters (hard version) 线段树二分
传送门 详细题解传送门 ** 抄的ygg代码，向在这里说一下刚开始没看懂的部分。** ** 求答案的时候是把所有的当前为止的所有数值加起来减去一个从1开始并且公差为1的等差数列的前size项和。其中size是当前最多能用到哪个位置，满足前size项能构成1,2,3，....,sz这样的形式。** * ......
第五篇——通达信指标公式编写常用函数（一）——REF、MA、EMA、CROSS（从零起步编写通达信指标公式系列）
内容提要：本文主要介绍了编写通达信指标公式常用的函数REF、MA、EMA、CROSS以及这些函数的综合运用举例。 通达信的函数非常多，想全部熟练掌握，几乎是不可能的，而且没有必要，毕竟很多函数很少用到。 编写通达信指标公式常用的函数大概也就三四十个，对于这些函数，建议认真学习研究，多模仿练习，做到烂 ......
Transformer网络-Self-attention is all your need
一、Transformer Transformer最开始用于机器翻译任务，其架构是seq2seq的编码器解码器架构。其核心是自注意力机制： 每个输入都可以看到全局信息，从而缓解RNN的长期依赖问题。 输入： （待学习的）输入词嵌入 + 位置编码（相对位置） 编码器结构： 6层编码器： 一层编码器 = ......
广州大学第十七届ACM大学生程序设计竞赛 L. 因子模仿 - hard version 线段树维护矩阵
传送门 大致思路： ** 观察发现，茉美香胜利会叠加对手所有状态，茉美香失败会被对手叠加所有状态。我们可以用矩阵[a1, a2, b1, b2]表示两个人的状态（其中a1, a2表示茉美香, b1, b2表示对手）茉美香赢了之后的状态是[a1 + b1, a2 + b2, b1, b2], 茉美香输 ......
The Cross-Entropy Loss Function for the Softmax Function
The Cross-Entropy Loss Function for the Softmax Function 作者：凯鲁嘎吉 - 博客园 http://www.cnblogs.com/kailugaji/ 本文介绍含有softmax函数的交叉熵损失函数的求导过程，并介绍一种交叉熵损失的等价形式， ......