engineering thinking teaching learning
Learn Git in 30 days—— 第 24 天：使用 GitHub 远端仓库 - 入门篇
写的非常好的一个Git系列文章，强烈推荐 原文链接：https://github.com/doggy8088/Learn-Git-in-30-days/tree/master/zh-cn GitHub 是目前全世界最多人采用的 Git 线上管理平台，他包含了完整的 Git 远端仓库实作，还有完整的议 ......
Machine Learning for Beginners(scikit-learn module)
Machine Learning Common Lifycycle Import the Data Clean the Data Split the Data into Training/Test Sets Create a Model Train the Model Make Prediction ......
Learn Everyday English for Speaking
专有名词 salmon：三文鱼 chocolate fountain：巧克力喷泉 drum and bass: 鼓和贝斯 Spaghetti：意大利面 adrenaline：肾上腺素 首句English You're telling me? 还用你说。这是一个表示“你不用告诉我，我已经知道了”的表达 ......
Learn Git in 30 days—— 第 23 天：修正 commit 过的版本历史记录 Part 5
写的非常好的一个Git系列文章，强烈推荐 原文链接：https://github.com/doggy8088/Learn-Git-in-30-days/tree/master/zh-cn 我们上一篇文章谈到的 Rebase 是用来将现有的两个分支进行「重新指定基础版本」，执行 Rebase 之后，也 ......
Learn Git in 30 days——第 22 天：修正 commit 过的版本历史记录 Part 4 (Rebase)
写的非常好的一个Git系列文章，强烈推荐 原文链接：https://github.com/doggy8088/Learn-Git-in-30-days/tree/master/zh-cn 我们之前已经讲了三种不同的修正版本的方法，严格上来说 git revert 与 git cherry-pick ......
Learn Git in 30 days——第 21 天：修正 commit 过的版本历史记录 Part 3
写的非常好的一个Git系列文章，强烈推荐 原文链接：https://github.com/doggy8088/Learn-Git-in-30-days/tree/master/zh-cn 在版本控制过程中，还有个常见的状況，那就是当你在一个分支中开发了一段时间，但后来决定整个分支都不要了，不过当中却 ......
Ranking Distillation: Learning Compact Ranking Models With High Performance for Recommender System
目录概符号说明Ranking Distillation代码 Tang J. and Wang K. Ranking Distillation: Learning compact ranking models with high performance for recommender system. ......
Efficient Off-Policy Meta-Reinforcement Learning via Probabilistic Context Variables
郑重声明：原文参见标题，如有侵权，请联系作者，将会撤销发布！ Proceedings of the 36th International Conference on Machine Learning, PMLR 97:5331-5340, 2019 ......
MonoNeRF: Learning Generalizable NeRFs from Monocular Videos without Camera Poses
1. 论文简介 论文题目：MonoNeRF: Learning Generalizable NeRFs from Monocular Videos without Camera Poses Paper地址：chrome-extension://efaidnbmnnnibpcajpcglclefind ......
Meta-Reinforcement Learning of Structured Exploration Strategies
郑重声明：原文参见标题，如有侵权，请联系作者，将会撤销发布！ NeurIPS 2018 ......
源码编译Unreal Engine升级到5.3
1. 更新代码 git fetch origin 2. 检出5.3.0 release git checkout 5.3.0 release 3. 编译 ......
Learn Git in 30 days——第 20 天：修正 commit 过的版本历史记录 Part 2
写的非常好的一个Git系列文章，强烈推荐 原文链接：https://github.com/doggy8088/Learn-Git-in-30-days/tree/master/zh-cn 在版本控制过程中，还有个常见的状況，那就是当执行了多个版本之后，才发现前面有几个版本改错了，例如你不小心把测试中 ......
Learn Git in 30 days——第 19 天：设定 .gitignore 忽略清单
写的非常好的一个Git系列文章，强烈推荐 原文链接：https://github.com/doggy8088/Learn-Git-in-30-days/tree/master/zh-cn 在开发项目时，工作目录下可能经常会有新的文件产生 (可能是通过 Visual Studio 工具产生的那些暂存文 ......
Varibad：A very good method for bayes-adaptive deep rl via meta-learning
郑重声明：原文参见标题，如有侵权，请联系作者，将会撤销发布！ Published as a conference paper at ICLR 2020 ABSTRACT 1 INTRODUCTION 2 BACKGROUND 2.1 TRAINING SETUP 2.2 BAYESIAN REINF ......
Learning Heterogeneous Temporal Patterns of User Preference for Timely Recommendation
目录概符号说明TimelyRecMulti-aspect Time Encoder (MATE)Time-aware History Encoder (TAHE)Prediction代码 Cho J., Hyun D., Kang S. and Yu H. Learning heterogeneou ......
论文解读（FixMatch）《FixMatch: Simplifying Semi-Supervised Learning with Consistency and Confidence》
Note：[ wechat：Y466551 | 可加勿骚扰，付费咨询 ] 论文信息 论文标题：FixMatch: Simplifying Semi-Supervised Learning with Consistency and Confidence论文作者：论文来源：2020 aRxiv论文地址： ......
Learn Git in 30 days——第 18 天：修正 commit 过的版本历史记录 Part 1
写的非常好的一个Git系列文章，强烈推荐 原文链接：https://github.com/doggy8088/Learn-Git-in-30-days/tree/master/zh-cn 当你使用 Git 进行版本控制时，我们会利用 git commit 建立许多版本，由于 Git 属分布式版本控制 ......
将 Google Kubernetes Engine (GKE) 上稳定扩散的启动时间缩短 4 倍
随着人工智能生成内容（AIGC）的日益流行，基于文本到图像的人工智能模型（例如稳定扩散）的开源项目已经出现。稳定扩散是一种扩散模型，可根据给定的文本输入生成逼真的图像。在此 GitHub 存储库中，我们提供了三种不同的解决方案，分别用于在 Google Cloud Vertex AI、Googl... ......
Learn Git in 30 days——第 17 天：关于合并的基本观念与使用方式
写的非常好的一个Git系列文章，强烈推荐 原文链接：https://github.com/doggy8088/Learn-Git-in-30-days/tree/master/zh-cn 我曾在【第 08 天：关于分支的基本观念与使用方式】提过关于「分支」的基本观念与用法，现在则要来讲「合并」如何进 ......
Learning Continuous Image Representation with Local Implicit Image Function
Learning Continuous Image Representation with Local Implicit Image Function（阅读笔记）11.03 局部隐式图像函数（LIIF）表示连续中的图像，可以以任意高分辨率表示。 摘要：如何表示图像？当视觉世界以连续的方式呈现时，机器 ......
Unsupervised Degradation Representation Learning f
Unsupervised Degradation Representation Learning for Blind Super-Resolution文献阅读 (2022.09.28)盲超分辨率的退化表征（向量）学习 摘要：大多数基于CNN的SR都是基于退化固定且可知这一假设。但是实际退化和假设不一 ......
Learn Git in 30 days——第 16 天：善用版本日志 git reflog 追踪变更轨迹
写的非常好的一个Git系列文章，强烈推荐 原文链接：https://github.com/doggy8088/Learn-Git-in-30-days/tree/master/zh-cn 其实学习 Git 版本控制的指令操作并不难，但要弄清楚 Git 到底对我的仓库做了什么事，还真不太容易。当你一步 ......
Learn Git in 30 days——第 15 天：标签 - 标记版本控制过程中的重要事件
写的非常好的一个Git系列文章，强烈推荐 原文链接：https://github.com/doggy8088/Learn-Git-in-30-days/tree/master/zh-cn 在使用 Git 版本控制的过程中，会产生大量的版本，随着寒暑易节、物换星移，在这众多的版本之中，一定会有一些值得 ......
通过pandas读取xls文件系统提示：no engine？
大家好，我是皮皮。 一、前言 前几天在Python最强王者群【wen】问了一个Python自动化办公的问题，一起来看看吧。 通过pandas读取xls文件（pd.read_excel）系统提示：no engine for filetyppe xls，请问应该如何处理呢？ 二、实现过程 后来【隔壁😼 ......
web DevOps / engineer day04 /
s 今日总结：环境构建 构建Yum仓库 开机自动挂载修改UUID内容 配置网络参数之主机名 配置网络参数之IP地址与子网掩码、网关地址 三种方式配置地址: nmcli方式 利用nmtui修改IP地址、子网掩码、网关地址（了解） 利用配置文件修改IP地址、子网掩码、网关地址（了解） 总结（图-15） ......
SpringBoot-Learning系列之Kafka整合
SpringBoot-Learning系列之Kafka整合 本系列是一个独立的SpringBoot学习系列，本着 What Why How 的思想去整合Java开发领域各种组件。 消息系统 主要应用场景 流量消峰(秒杀 抢购)、应用解耦（核心业务与非核心业务之间的解耦） 异步处理、顺序处理 实时数据 ......
Graph Construction and b-Matching for Semi-Supervised Learning
目录概符号说明图的构建Graph Sparsification\(\epsilon\)-neighborhood graph\(k\)NN graph\(b\)-MatchingGraph Edge Re-Weighting Jebara T., Wang J. and Chang S. Graph ......
GPT之路(五) Prompt Engineering
1. 什么是提示工程（Prompt Engineering） 提示工程也叫指令工程。 Prompt就是你发给ChatGPT的指令，比如写个会议纪要、用Python编个一个博客网站、纪念日给另一半写个俏皮的情书等。貌似简单，但意义非凡 Prompt是AGI时代的编程语言，Prompt工程是AGI时代的 ......
论文解读（LR2E）《Learning to Reweight Examples for Robust Deep Learning》
Note：[ wechat：Y466551 | 可加勿骚扰，付费咨询 ] 论文信息 论文标题：Learning to Reweight Examples for Robust Deep Learning论文作者：Mengye Ren、Wenyuan Zeng、Bin Yang、Raquel Urta ......
Proj CDeepFuzz Paper Reading: Metamorphic Testing of Deep Learning Compilers
## Abstract 背景：Compiling DNN models into high-efficiency executables is not easy: the compilation procedure often involves converting high-level model ......