learning machine note 02
《RAPL: A Relation-Aware Prototype Learning Approach for Few-Shot Document-Level Relation Extraction》阅读笔记
代码 原文地址 预备知识： 1.什么是元学习（Meta Learning）？ 元学习或者叫做“学会学习”（Learning to learn），它是要“学会如何学习”，即利用以往的知识经验来指导新任务的学习，具有学会学习的能力。由于元学习可帮助模型在少量样本下快速学习，从元学习的使用角度看，人们也称 ......
【五期李伟平】CCF-A（AAAI'21）Game of Gradients: Mitigating Irrelevant Clients in Federated Learning
Nagalapatti, Lokesh , and R. Narayanam . "Game of Gradients: Mitigating Irrelevant Clients in Federated Learning." (2021). 针对联邦学习中相关客户端选择（FRCS）的问题，本文提 ......
[Maven] 02 - POM模型与常见插件
POM 模型 1 依赖关系 Maven 一个核心的特性就是依赖管理。当我们处理多模块的项目（包含成百上千个模块或者子项目），模块间的依赖关系就变得非常复杂，管理也变得很困难。针对此种情形，Maven 提供了一种高度控制的方法。 通俗理解： 依赖谁就是将谁的 jar 包添加到本项目中。可以依赖中央仓库 ......
webgl学习02-绘制一个点
绘制一个点 编写简单的着色器代码 首先，我们先了解一下代码中用到的 GLSL 语言的 类型 和 内置变量。 顶点着色器 用到的数据类型 顶点着色器的内置变量 内置函数 gl_Position的类型—— vec4 明显比 gl_PointSize 的 float 要特别。如果说我们需要的顶点坐标数据是 ......
【scikit-learn基础】--『监督学习』之 支持向量机分类
支持向量机也是一种既可以处理分类问题，也可以处理回归问题的算法。关于支持向量机在回归问题上的应用，请参考：TODO 支持向量机分类广泛应用于图像识别、文本分类、生物信息学（例如基因分类）、手写数字识别等领域。 1. 算法概述 支持向量机的主要思想是找到一个超平面，将不同类别的样本最大化地分隔开。超平 ......
all_note
进程的虚拟地址空间内存划分和布局 编程语言->产生指令和数据 程序生成exe可执行文件，加载到内存后(不是一步直接加载到物理内存中)如何存放。 x86 32位linux下，linux会给进程分配一块2的32次方大小的一块空间(4G)，这块空间是一块虚拟内存空间，虚拟内存空间本质上是系列数据结构。 这 ......
02.常见的接口协议
目录 网络模型 常见接口协议 HTTP 协议详解 Restful 架构 网络模型 常见接口协议 RPC 协议 RPC（Remote Procedure Call） 以本地代码调用的方式实现远程执行 主要用于公司内部的服务调用 优点：传输效率更高、性能损耗更低、自带负载均衡策略、更好的服务治理能力 常 ......
mall商城笔记-02
项目的搭建 一、搭建父工程 这里要注意父工程的boot版本与cloud版本的对照，否则无法启动 <parent> <groupId>org.springframework.boot</groupId> <artifactId>spring-boot-parent</artifactId> <vers ......
Learning Dynamic Query Combinations for Transformer-based Object** Detection and Segmentation论文阅读笔记
Motivation & Intro 基于DETR的目标检测范式（语义分割的Maskformer也与之相似）通常会用到一系列固定的query，这些query是图像中目标对象位置和语义的全局先验。如果能够根据图像的语义信息调整query，就可以捕捉特定场景中物体位置和类别的分布。例如，当高级语义显示图 ......
02-高屋建瓴：Kubernete 的架构为什么是这样的？
通过上一课时的学习，我们已经对 Kubernetes 的前世今生有所了解。接下来，我们开始具体学习如何将 Kubernetes 应用到自己的项目中，首先就需要了解 Kubernetes 的架构。所以，在本节课程中，我们会一起学习 Kubernetes 的架构设计，以及背后的设计哲学。 Google ......
Shader随笔02
Global Bake 这里是简化Lighting.cginc的UnityGI_Base函数 以及AutoLight.cginc的LightingLambert 来实现bake贴图采样（没开灯光） 其中，Mixed是重点Directional Mode是重点 Light组件的Mode需要调成Mixe ......
浦语书生大模型实战训练营02笔记
1.打开算力平台，选择合适的配置进入算力开发机进入jupyter工具终端安装开发所需python深度学习环境： bash # 请每次使用 jupyter lab 打开终端时务必先执行 bash 命令进入 bash 中 bash /root/share/install_conda_env_intern ......
【APP逆向02】抓包工具的选择及配置
抓包工具的选择 Wireshark：Wireshark 是一个开源的网络抓包工具，可以在多个平台上运行，支持多种协议的抓取和分析。 Fiddler：Fiddler 是一个跨平台的抓包工具，可以用于捕获和分析 HTTP 和 HTTPS 流量。它提供了强大的调试和排查功能。 Charles Proxy： ......
【scikit-learn基础】--『监督学习』之 随机森林分类
随机森林分类算法是一种基于集成学习（ensemble learning）的机器学习算法，它的基本原理是通过对多个决策树的预测结果进行平均或投票，以产生最终的分类结果。 随机森林算法可用于回归和分类问题。关于随机森林算法在回归问题上的应用可参考：TODO 随机森林分类算法可以应用于各种需要进行分类或预 ......
寒假生活指导02
今天学习了rdd的过滤和去重： from pyspark import SparkConf,SparkContext #创建sparkconf对象 conf = SparkConf().setMaster("local[*]").setAppName("test_app") #基于sparkconf ......
test-02-java 单元测试框架 junit5 入门介绍
拓展阅读 junit5 系列 基于 junit5 实现 junitperf 源码分析 Auto generate mock data for java test.(便于 Java 测试自动生成对象信息) Junit performance rely on junit5 and jdk8+.(java ......
Spring表达式语言（SPEL）学习（02）
构造数组 /** * 数组生成 */ @Test public void test5(){ int[] numbers1 = (int[]) parser.parseExpression("new int[4]").getValue(); int[][] numbers2 = (int[][]) p ......
2 Yarik and Musical Notes
打表找到的规律 #include<bits/stdc++.h> #define int long long using namespace std; const int N=2e5+10; int a[N]; void solve(){ int n; cin>>n; map<int,int>mp; ......
Data Mining notes
1.1 整装待发 data mining前提：00~07年数据存储能力大幅提升。 data无处不在 data rich，information poor。 1.2 学而不思则惘 learning resources data mining书籍推荐。 国际会议： 看国际会议以了解行业最新动态。 一些顶 ......
Day02
计算机底层教学 语言  进制 学习进制的障碍 人类天然地选择10进制 进制的运算 运算的本质是查数 每种进制都有对应的运算体系 二进制 十六进制就是二进制的简写 数据 ......
git操作-02-分支创建
注意：如果远程有dev分支，本地也需要在dev分支上。如果本地在cc分支，提交到远程dev分支是无效的 一、查看分支 git branch 列出本地已经存在的分支，并且当前分支会用*标记 git branch -r 查看远程版本库的分支列表 git branch -a 查看所有分支列表（包括本地和远 ......
【scikit-learn基础】--『监督学习』之 决策树分类
决策树分类算法是一种监督学习算法，它的基本原理是将数据集通过一系列的问题进行拆分，这些问题被视为决策树的叶子节点和内部节点。决策树的每个分支代表一个可能的决策结果，而每个叶子节点代表一个最终的分类结果。 决策树分类算法的历史可以追溯到1980年代初，当时研究者开始探索用机器学习来解决分类问题。在19 ......
【略读论文|大模型相关】Zero-Shot Relational Learning on Temporal Knowledge Graphs with Large Language Models
时间：2023 学校：慕尼黑大学 创新点： 1.据我们所知，这是第一个试图在TKGF背景下研究零射击关系学习的工作。 2.我们设计了一种基于llm的方法zrLLM，并设法在零射击关系推理中增强各种基于嵌入的TKGF模型。 3.实验结果表明，zrLLM有助于大大提高所有考虑的TKGF模型对包含未见零射 ......
02_内核架构
宏内核与微内核 宏内核：所有内核代码都编译成一个二进制，所有的内核代码都运行在一个大内核地址空间里，内核代码可以直接访问和调用，效率高且性能好 微内核：把操作系统分成多个独立的功能模块，每个功能模块之间的访问需要通过消息来完成，因此效率没有那么高 宏内核架构优点：设计简洁和性能较好 微内核架构优点： ......
02-UPF-Power Domain
How do we use power domain 使用UPF至少有一个power domain power domain可以进行嵌套 Defining Power Domain Example Partitioning Guidelines Scope 没有写scope就是当前design Sc ......
神经网络优化篇：梯度检验应用的注意事项（Gradient Checking Implementation Notes）
梯度检验应用的注意事项 分享一些关于如何在神经网络实施梯度检验的实用技巧和注意事项。 首先，不要在训练中使用梯度检验，它只用于调试。意思是，计算所有\(i\)值的\(d\theta_{\text{approx}}\left[i\right]\)是一个非常漫长的计算过程，为了实施梯度下降，必须使用\( ......
【scikit-learn基础】--『监督学习』之 贝叶斯分类
贝叶斯分类是一种统计学分类方法，基于贝叶斯定理，对给定的数据集进行分类。它的历史可以追溯到18世纪，当时英国统计学家托马斯·贝叶斯发展了贝叶斯定理，这个定理为统计决策提供了理论基础。 不过，贝叶斯分类在实际应用中的广泛使用是在20世纪80年代，当时计算机技术的进步使得大规模数据处理成为可能。 1. ......
MLE Interview Notes
🥥 Table of Content I. Key Competency II. Occupational Classification 🥑 Get Started! I. Key Competency ......