learning机器machine gt
Deep Transfer Learning综述阅读笔记
这是一篇linkedin发表的深度迁移学习综述, 里面讲了一些对于search/recommend system中的迁移学习应用. 有不少指导性的方法, 看完后摘录出来 对于ranking方向的TL, 主要有两种transfer方式: Model transfer 对于参数量非常大的预训练模型, F ......
Element UI布局容器中<el-container>的一个问题
<el-container>：外层容器。当子元素中包含 <el-header> 或 <el- footer> 时，全部子元素会垂直上下排列，否则会水平左右排列。 所以需要一个<el-header>或<el-footer>所支撑 ......
C#：元组<Tuple>
C#元组是一种数据结构，它可以将多个不同类型的值组合在一起。 它类似于数组，但是元组可以包含不同类型的值，而数组只能包含相同类型的值。 在C#中，元组是通过Tuple类来实现的。 Tuple类有多个构造函数，可以用来创建不同数量和类型的元组。 例如，以下代码创建了一个包含两个元素的元组： Tuple ......
mount: '/dev/block/dm-8'->'/': I/O error
1|g6sa:/ # mount -o rw,remount /mount: '/dev/block/dm-8'->'/': I/O error 这种错误是由于android的一种保护机制，通过adb关闭这种机制即可 ......
载入了名字空间‘rlang’ 1.0.6，但需要的是>= 1.1.0
解决方法： 001、在安装目录中手动删除：rlang目录,例如此处windows默认的安装目录：C:\Users\ljx\AppData\Local\R\win-library\4.2 002、然后再R中（不是Rstudio）重新安装：install.packages("rlang") 类似的问题相 ......
<c:forEach>的部分相关知识点
<c:forEach>用于遍历一个对象集合，在使用之前需要导入，这就是在.jsp文件上写上 <%@ taglib uri="http://java.sun.com/jsp/jstl/core" prefix="c"%> 这句话 循环输出—— <c:forEach items="${list}" va ......
用Python基于Google Bard做一个交互式的聊天机器人
用Python基于Google Bard做一个交互式的聊天机器人 之前已经通过浏览器试过了 Google Bard ，更多细节请看： Try out Google Bard, Will Google Bard beat the ChatGPT?. 现在我们想实现自动化，所以我用Python做一个交互 ......
如何针对多租户 SaaS 使用案例扩展机器学习推理
Zendesk 是一家 SaaS 公司，该公司以简单为本，专注于开发面向所有人的支持、销售和客户参与软件。通过帮助全球超过 17 万家公司高效地为数亿客户提供服务，该公司得以蓬勃发展。Zendcaesk 的机器学习团队负责提升客户体验团队，使其实现最佳绩效。通过将数据和人员的力量结合起来，Zende ......
x86 机器指令编码规则
x86 机器指令编码依次由一下部分组成： 指令前缀（prefix，非必需） 操作码（opcode，必需） 寻址方式 R/M（ModR/M，非必需） 比例因子-变址-基址（SIB，非必需） 地址偏移量（displacement，非必需） 立即数（immediate，非必需） 指令前缀 操作码 寻址方式 ......
how to learn C++?
Here are some steps to learn C++: Learn the basics: Start with the basics of C++, including variables, data types, control structures, loops, and func ......
机器学习基础03DAY
特征降维 降维 PCA（Principal component analysis），主成分分析。特点是保存数据集中对方差影响最大的那些特征，PCA极其容易受到数据中特征范围影响，所以在运用PCA前一定要做特征标准化，这样才能保证每维度特征的重要性等同。 sklearn.decomposition.P ......
如何用Python对股票数据进行LSTM神经网络和XGboost机器学习预测分析（附源码和详细步骤），学会的小伙伴们说不定就成为炒股专家一夜暴富了
最近调研了一下我做的项目受欢迎程度，大数据分析方向竟然排第一，尤其是这两年受疫情影响，大家都非常担心自家公司裁员或倒闭，都想着有没有其他副业搞搞或者炒炒股、投资点理财产品，未雨绸缪，所以不少小伙伴要求我这边分享下关于股票预测分析的技巧。基于股票数据是一个和时间序列相关的大数据，所以我打算给大家分享时... ......
java中<<,>>和>>>的含义
<<表示左移运算符例如8<<2,表示将8向左移2位，结果为32。低位补0。二进制演算：8的二进制：1 0 0 0向左移动两位结果为1 0 0 0 0 0，换算成十进制即为32，也可以简单的理解为，左移就是将数变大，相当于8*2^2=32。左移运算符的运算规律：将左边的数按照右边的数往左移动几位。 ” ......
qiankun多重应用嵌套（父 --> 子 --> 孙）
父子孙应用路由都是使用的history模式 父应用配置： main.js import { registerMicroApps, start, initGlobalState } from 'qiankun' // 由于本身有window.__POWERED_BY_QIANKUN__参数，sub应用 ......
IMPDP ORA-31685: Object type PROCOBJ:<SCHEMA_NAME>.<SCHEDULER_JOB> failed due to insufficient privileges
问题原因 Impdp of PROCOBJ Objects Fails Due To 'Insufficient Privileges' After Applying 19.9 DBRU (Doc ID 2738314.1) The issue is started to be seen after ......
PXE批量装系统之GHO恢复模式针对同型号同批次机器网络装机
PXE批量装系统之GHO恢复模式针对同型号同批次机器网络装机 1.引入 预启动执行环境（Preboot eXecution Environment，PXE）也被称为预执行环境，提供了一种使用[网络接口Network Interface）启动计算机的机制。这种机制让计算机的启动可以不依赖本地数据存储设 ......
野火代码详细解析#define EEPROM_INFO(fmt,arg...) printf("<<-EEPROM-INFO->> "fmt"\n",##arg)
这是一个C语言中的宏定义，它的作用是在输出信息时添加一个前缀"<<-EEPROM-INFO->>"，方便在输出信息中区分不同的信息来源。其中，fmt是一个格式化字符串，arg是可变参数，用于替换格式化字符串中的占位符。这个宏定义中的"##"表示可变参数的省略号，它可以让宏定义在没有可变参数时也能正常 ......
指针常量和常量指针_C++_Learning1
怎么读？ 遇到 "*" 读指针，遇到 "const" 读常量 一、指针常量 //指针常量——指针(也就是它存储的地址)是一个常量，所以其值不能修改，但指向的内容可以修改 int a = 10, b = 20; int* const ch = &a; //ch = &b; //其值不能修改 *ch = ......
机器学习算法（二）: 基于鸢尾花数据集的朴素贝叶斯(Naive Bayes)预测分类
优点：
朴素贝叶斯算法主要基于经典的贝叶斯公式进行推倒，具有很好的数学原理。而且在数据量很小的时候表现良好，数据量很大的时候也可以进行增量计算。由于朴素贝叶斯使用先验概率估计后验概率具有很好的模型的可解释性。
缺点：
朴素贝叶斯模型与其他分类方法相比具有最小的理论误差率。但是实际上并非总是如此，这... ......
机器学习算法（三）：基于horse-colic数据的KNN近邻(k-nearest neighbors)预测分类
机器学习算法（三）：基于horse-colic数据的KNN近邻(k-nearest neighbors)预测分类 项目链接参考：https://www.heywhale.com/home/column/64141d6b1c8c8b518ba97dcc 1 KNN的介绍和应用 1.1 KNN的介绍 k ......
机器学习
1、机器学习是干什么的。我的理解：通过查看现在的状况，利用机器学习，预测未来可能出现的情况。（房价预测）/或者说通过一些算法、代码让机器实现一些简单的工作。（客服机器人） 编写算法，让机器人通过大量的数据、经验自己学习获得最优解。 2、机器学习的分类： 监督学习：经验E是人工采集并输入计算机中的。 ......
机器视觉
引用 OpenCV教程：https://www.w3cschool.cn/opencv/opencv-nabz2c8j.html 【深度学习】ResNet网络详解：https://blog.csdn.net/holly_Z_P_F/article/details/127350894 一博士的网站：计 ......
Learning Action Completeness from Points for Weakly-supervised Temporal Action Localization概述
1.针对的问题 在弱监督时序动作定位领域提出了一些帧监督的方法，但是由于标签稀疏性，现有的工作无法学习动作的完整性，动作预测零碎，导致在高IoU阈值的情况下表现较差。作者试图通过生成密集的伪标签，为模型提供完整性指导。 2.主要贡献 •引入了一个新的框架，其中生成了密集的最优序列，以在点监督设置下为 ......
attention is all you need --->> transform
经典图： 复现的github链接 https://github.com/jadore801120/attention-is-all-you-need-pytorch 注释的代码全集： https://download.csdn.net/download/yang332233/87602895 /at ......
一统天下 flutter - dart: 单线程异步编程（async/await/Future<T>/Stream<T>/StreamSubscription/Completer）
一统天下 flutter https://github.com/webabcd/flutter_demo 作者 webabcd 一统天下 flutter - dart: 单线程异步编程（async/await/Future/Stream/StreamSubscription/Completer） 示 ......
一统天下 flutter - 动画: XxxTransition - 支持直接关联 Animation<T> 并自动重绘的 Widget（FadeTransition, SizeTransition, SlideTransition, AlignTransition, DecoratedBoxTransition, DefaultTextStyleTransition, PositionedTransition, RotationTransition, ScaleTransition 等）
一统天下 flutter https://github.com/webabcd/flutter_demo 作者 webabcd 一统天下 flutter - 动画: XxxTransition - 支持直接关联 Animation 并自动重绘的 Widget（FadeTransition, Size ......
机器学习基础02DAY
数据的特征预处理 单个特征 （1）归一化 归一化首先在特征（维度）非常多的时候，可以防止某一维或某几维对数据影响过大，也是为了把不同来源的数据统一到一个参考区间下，这样比较起来才有意义，其次可以程序可以运行更快。 例如：一个人的身高和体重两个特征，假如体重50kg，身高175cm,由于两个单位不一样 ......