learning机器machine gt
Class-Incremental Learning with Generative Classifiers(CVPR2021W)
前置知识：VAE（可以参考https://zhuanlan.zhihu.com/p/348498294） Motivation 之前的方法通常使用判别式分类器，对条件分布\(p(y|\textbf{x})\)进行建模（classifier+softmax+ce）。其问题在于分类器会偏向最新学的类别， ......
2台机器安装Redis主从
2台机器安装Redis主从 1. 配置redis.conf（主） bind 127.0.0.1 #注释掉 protected-mode no #关闭保护模式 daemonize yes #开启后台守护进程 logfile "/var/log/redis/redis.log" #日志文件路径 2.配置 ......
天行机器人对接
1.注册后申请接口即可获得免费接口次数： https://www.tianapi.com/apiview/47 2.接口交互： @PostMapping("/talk")public CommonResult<String> talk(@RequestParam String question){ ......
【机器学习】概率
掷色子实验 首先用一个张量表示事件可能出现的概率情况 然后创建多项分布 multinomial.Multinomial(totol_count, probs) 。参数 totol_count 表示抽样次数，probs 表示每个类别的概率分布 使用 .sample()方法进行抽样操作 使用图像来揭示大 ......
[机器学习复习笔记] 机器学习基础
机器学习基础 1. 基础概念和术语 样本（\(\text{sample}\)）/ 实例(\(\text{instance}\)) 我们获得的数据集中的一条数据，被称为一个 样本（\(\text{sample}\)）/ 实例(\(\text{instance}\))，在不存在数据缺失的情况下，所有样本 ......
支持向量机 Support Vector Machine
b站链接【白板推导系列-支持向量机】 SVM 有三宝：间隔、对偶、核技巧 SVM 分类： hard-margin SVM 硬间隔 soft-margin SVM 软间隔 kernel SVM 核 硬间隔分类器（最大间隔分类器）max margin 判别模型： \[f(w)=sign(w^Tx+b) ......
ofd批注支持<ofd:Rotate>非标准的页面旋转属性
bool annot_has_outerbox = true; auto boundary = apparence->GetAttribute(L"Boundary"); if (boundary.GetStringLength() <= 0) { boundary = elem->GetAttri ......
微型5G网关如何满足智能巡检机器人应用
随着物联网、5G、边缘计算等技术的广泛普及，能够替代人工的智能巡检机器人已经得到越来越多应用，有效解放人力资源，保障工况安全，提升厂区整体效能 ......
【机器学习】自动微分
标量变量的反向传播 以下举两个例子说明标量变量的反向传播如何实现。 非标量变量的反向传播 在上述的例子中，x 是向量，而 y 是标量，这种类型为标量变量的反向传播。 但当 y 不是标量时，比如 y = x * x，当求向量 y 关于 另一个向量 x 的导数时，结果通常就是一个矩阵，被称为雅可比矩阵， ......
获取机器硬件信息
0.获取所有硬件信息 lshw 1.获取机器SN号等系统信息 lshw -C system 2.获取CPU信息 lshw -C processor 3.获取磁盘信息 lshw -C disk 4.获取内存信息 lshw -C memory 5.获取网络硬件信息 lshw -C network 6.获 ......
【自己搭建一个：端到端的语音+大模型聊天机器人】
概要 发篇文章记录一下最近搞的语音+大模型聊天机器人的搭建过程，供交流学习。有正反馈的话会继续优化。 整体架构流程 注意：借传统的基于RASA的对话机器人的图一用，本博会把NLU（Natural Language Understanding）和 Dialogue Management这两个组件，用大 ......
机器学习-逻辑回归：从技术原理到案例实战
在本篇文章中，我们对逻辑回归这一经典的机器学习算法进行了全面而深入的探讨。从基础概念、数学原理，到使用Python和PyTorch进行的实战应用，本文旨在从多个角度展示逻辑回归的内在机制和实用性。 关注TechLead，分享AI全维度知识。作者拥有10+年互联网服务架构、AI产品研发经验、团队管理经 ......
【scikit-learn基础】--『数据加载』之真实数据集
上一篇介绍了scikit-learn中的几个玩具数据集，本篇介绍scikit-learn提供的一些真实的数据集。玩具数据集：scikit-learn 基础(01)--『数据加载』之玩具数据集 1. 获取数据集 与玩具数据集不同，真实的数据集的数据不仅数据特征多，而且数据量也比较大，所以没有直接包含在 ......
一、Spring学习 : 容器---->BeanFactory+ApplicationContext 的多种容器实现
BeanFactory实现的特点 我们来着重讲一下DefaultListableBeanFactory这个实现类： 点击查看完整代码 package com.itvayne.springbootcloudstudy.beanfactory01; import com.sun.org.slf4j.in ......
抖音自动点赞评论刷视频机器人
影刀直接获取我的应用，进行测试 https://api.winrobot360.com/redirect/robot/share?inviteKey=9cd173e2024d2440 按照以下流程执行 打开Edge浏览器，打开www.douyin.com 键盘输入 x，打开评论 无限循环 等待元素 ......
[机器学习复习笔记] KNN（k近邻）
KNN 1. KNN 算法 （\(k\) 近邻） \(k\) 近邻学习 (\(\text{k-nearest} \; \text{neighbor}, \; k\text{-NN}\)) 是一种常用的监督学习方法，思路非常简单：给定一个样本数据集，对于每个输入的测试样本，在训练集中找到与该测试样本 ......
机器学习中的深度学习的概念及激活函数、梯度爆炸和梯度消失的总结归纳
1.何为深度学习 在当今时代，机器学习不断深入，很多领域被研究，深度学习是目前最为热门之一的领域， 它被引入机器学习使其更接近于最初的目标——人工智能。 深度学习是学习样本数据的内在规律和表示层次，这些学习过程中获得的信息对诸如文字，图像和声音等数据的解释有很大的帮助。 2.深度学习的目标 让机器能 ......
后端 -> 解决前后端分离项目跨域问题
问题产生原因 由于浏览器的同源策略，在前端请求后端接口时候要遵循同源策略，保证协议、域名、端口三者一致，否则会被浏览器拦截。 解决方案 方法一 在后端请求方法上添加@CrossOrigin注解 在Spring Boot中，可以使用@CrossOrigin注解来解决跨域问题。 @RestControl ......
超低功耗/省电LCD液晶显示段码驱动芯片VKL128/VKL060/VKL144A/B适用于扫地机器人/燃气表/压力表/传感器
产品型号：VKL060 产品品牌：永嘉微电/VINKA 封装形式：SSOP24 产品年份：新年份 原厂直销，工程服务，技术支持，价格最具优势！ VKL060概述: VKL060是一个点阵式存储映射的LCD驱动器，可支持最大60点（15SEGx4COM）的LCD屏。单片机可通过I2C接口配置显示参数和 ......
深度解析C#中LinkedList<T>的存储结构
本文承接前面的3篇有关C#的数据结构分析的文章，对于C#有关数据结构分析还有一篇就要暂时结束了，这个系列主要从Array、List、Dictionary、LinkedList、 SortedSet等5中不同类型进行介绍和分析。废话不多说，接下来我们来最后看一下这个系列的最后一种数据类型"链表"。 提 ......
机器学习-学习率：从理论到实战，探索学习率的调整策略
本文全面深入地探讨了机器学习和深度学习中的学习率概念，以及其在模型训练和优化中的关键作用。文章从学习率的基础理论出发，详细介绍了多种高级调整策略，并通过Python和PyTorch代码示例提供了实战经验。 关注TechLead，分享AI全维度知识。作者拥有10+年互联网服务架构、AI产品研发经验、团 ......
Online Learning
Online Learning 1.网上学习比较普遍 2. 产生这种现象的原因 3. 这种现象可能带来的影响 参考范文： Online Learning Perhaps there is something you don't know how to doTTn the past, you migh ......
<学习笔记> 网络流
最大流 code queue<int> q; int dep[N],cur[N]; int bfs(){ memset(dep,0,sizeof(dep)); q.push(st); dep[st]=1; while(!q.empty()){ int x=q.front(); q.pop(); fo ......
一、Spring学习 : 容器---->BeanFactory+ApplicationContext
BeanFactory 接口 是什么？ 先来看我们的boot项目启动类的run方法 public static ConfigurableApplicationContext run(Class<?> primarySource, String... args) { return run(new Cl ......
[机器学习复习笔记] SVM 支持向量机
SVM 支持向量机 1. SVM 基本模型 1.1 线性可分问题 给定一个训练样本集 \(D = \{(x_1, y_1), (x_2, y_2), ... , (x_n, y_n)\}, \; y_i \in \{-1, +1\}\)。假设两个点集 \(D_0\) 和 \(D_1\)，且 \(D_ ......
2023ICCV_FSI Frequency and Spatial Interactive Learning for Image Restoration in Under-Display Cameras
三. Network 1. 2. FLB： 没看懂是怎么分离的水平和竖直方向 3. SLB：每一层保留一半的通道特征用于细化，其余的在特征重构后输出（没看懂）。 Multi-distillation Network 超分辨网络的Multi-distillation Network(2019ACMMM ......
DMA传输数据（M->P）
前言 上文讨论了利用DMA将数据从一个存储器搬运到另一个存储器，本文讨论将数据从M->P。将数据从数组转移到串口外设并发送出去。 代码 void MYDMA_Init(DMA_Stream_TypeDef *DMA_Streamx,u32 chx,uint32_t par,u32 mar,u16 n ......
机器学习--决策树（信息熵，信息增益，信息增益率，基尼值，基尼指数）
决策树是根据条件分支语句if-else产生的，决策树是一种树形结构，每一个内部节点表示是一个属性上的判断，每一个分支表示判断结果的输出，每一个叶子节点表示分类结果，本质上就是多个判断节点的树。 在使用决策树的时候会提到熵的概念 熵：熵表示混乱程度，越混乱熵值越大，越有序熵值越小，在信息论里，有着信息 ......
[论文速览] Randomized Quantization@ A Generic Augmentation for Data Agnostic Self-supervised Learning
Pre title: Randomized Quantization: A Generic Augmentation for Data Agnostic Self-supervised Learning accepted: ICCV 2023 paper: https://arxiv.org/abs ......