mini-batch learning batch with
《OneLLM: One Framework to Align All Modalities with Language》论文学习
一、Abstract 随着LLM的兴起，由于其强大的语言理解和推理能力，在学术和工业界中越来越受欢迎。LLM的进展也启发了研究人员将LLM作为多模态任务的接口，如视觉语言学习、音频和语音识别、视频理解等，因此多模态大语言模型(Multimodal Large Language Model， MLLM ......
论文精读：ST2Vec：道路网络中的时空轨迹相似性学习（ST2Vec: Spatio_Temporal Trajectory Similarity Learning in Road Networks）
论文精读：ST2Vec 道路网络中的时空轨迹相似性学习 《ST2Vec: Spatio-Temporal Trajectory Similarity Learning in Road Networks》 论文链接：https://doi.org/10.48550/arXiv.2112.09339 一 ......
【scikit-learn基础】--『预处理』之 离散化
数据的预处理是数据分析，或者机器学习训练前的重要步骤。通过数据预处理，可以 提高数据质量，处理数据的缺失值、异常值和重复值等问题，增加数据的准确性和可靠性 整合不同数据，数据的来源和结构可能多种多样，分析和训练前要整合成一个数据集 提高数据性能，对数据的值进行变换，规约等（比如无量纲化），让算法更加 ......
Game with Marbles
引言 题目链接：https://codeforces.com/contest/1914/problem/E2 思路 假设有数组 \(a_1,a_2, \cdots a_n\) 和数组 \(b_1,b_2, \cdots b_n\) 分别表示 \(Alice\) 和 \(Bob\) 的弹珠数。 假设有 ......
Hierarchical Clustering-based Personalized Federated Learning for Robust and Fair Human Activity Recognition-2023
任务：人类活动识别任务Human Activity Recognition HAR 指标：系统准确性、公平性、鲁棒性、可扩展性 方法：1. 提出一个带有层次聚类（针对鲁棒性和公平的HAR）个性化的FL框架FedCHAR；通过聚类（利用用户之间的内在相似关系）提高模型性能的准确性、公平性、鲁棒性。 2 ......
论文阅读-Self-supervised and Interpretable Data Cleaning with Sequence Generative Adversarial Networks
1. GARF 简介 代码地址：https://github.com/PJinfeng/Garf-master 基于 SeqGAN 提出了一种自监督、数据驱动的数据清洗框架——GARF。 GARF 的数据清洗分为两个步骤： 规则生成 (Rule generation with SeqGAN)：利用 ......
E2. Game with Marbles (Hard Version)
原题链接 导论，有点博弈论的感觉？ 每个人轮流选一个大家都有的球，然后自己扣一个球，对方扣完。问女生剩下的球减去男生剩下的球，最大值是多少？ 一些条件 1.初始每个人每种球都有 2.女生想使这个值大一点，男生想使这个值小一点，换句话说，每个人都尽量多扣对面的球，多保留自己的球。 3.如果选择扣掉对面 ......
《Learning Transferable Visual Models From Natural Language Supervision》论文学习
一、Abstract 最先进的计算机视觉系统被训练用以预测一组预定的固定目标类别。这种受限的监督方式限制了它们的通用性和可用性，因为需要额外的标记数据来指定任何新的视觉概念。因此，直接从关于图像的原始描述文本中学习是一个有希望的替代方法，它利用了更广泛的因特网监督来源。 我们证明了预测哪个标题与哪张 ......
DrawCall、Batches、SetPassCalls
详细看： https://blog.csdn.net/csuyuanxing/article/details/123005558 https://blog.csdn.net/chqj_163/article/details/107675176 一个batch是一个批次（cpu将一次渲染所需信息打包好 ......
MySQL server is running with the --super-read-only option的解决办法
原因 数据库是只读模式 解决办法 修改为读写模式 mysql -uroot -p你的密码 进入mysql select @@read_only; set global read_only=0; # 顺便设置可远程连接（不需要可跳到flush privileges） use mysql; update ......
SSH失败：Permission denied (publickey,gssapi-keyex,gssapi-with-mic).
一、表象 二、分析 由报错信息可以看出“公钥”是错误的 检查 **服务器 **~/.ssh/authorized_keys文件公钥配置 也有可能是配置问题，解决问题如下 三、解决 vim /etc/ssh/sshd_config # 增加如下修改: PasswordAuthentication ye ......
Unable to negotiate with ip port 22: no matching host key type found. Their offer: ssh-rsa,ssh-dss
一、解决 cd ~/.ssh vim config # 添加以下内容 Host * HostkeyAlgorithms +ssh-rsa PubkeyAcceptedKeyTypes +ssh-rsa ......
【scikit-learn基础】--『预处理』之 分类编码
数据的预处理是数据分析，或者机器学习训练前的重要步骤。通过数据预处理，可以 提高数据质量，处理数据的缺失值、异常值和重复值等问题，增加数据的准确性和可靠性 整合不同数据，数据的来源和结构可能多种多样，分析和训练前要整合成一个数据集 提高数据性能，对数据的值进行变换，规约等（比如无量纲化），让算法更加 ......
CF1866B Battling with Numbers 题解
前置知识：如果 \(p=x^a,q=x^b\)，那么 \(\gcd(p,q)=x^{\min(a,b)},\operatorname{lcm}(p,q)=x^{\max(a,b)}\)。 对于每个 \(x \in a_i\)，令 \(x\) 在 \(Y\) 中的指数为 \(d_i\)（实际上不一定） ......
在linux上通过batch批量获取进程ID
实际上你用ps -eo args | grep myprocessname 再配合 | awk -F '=' '{print $2}'，也就能拿出pid了，但是，如果你需要再进一步过滤呢，比如我在java参数上有个spring.profiles.active,我想指定有这些参数的进程，那么可以用下面 ......
The fourth day learning summary
一、for 循环循环就是重复做某件事，for循环是python提供第二种循环机制（第一种是while循环），理论上for循环能做的事情，while循环都可以做。目的：之所以要有for循环，是因为for循环在循环取值（遍历取值）比while循环更简洁。代码示例：for i in range(1, 11 ......
Build Secure Web Services With SOAP Headers and Extensions
原文如下： https://www.developer.com/microsoft/dotnet/build-secure-web-services-with-soap-headers-and-extensions/ 摘录我最想要的Extensions部分 <%@ WebService Langua ......
Freezing with Style 题解？
好像不是题解，算是记录。 记一个 Trick：当求路径边权的中位数的最大值的时候，可以先二分一个答案 \(mid\)，然后把大于 \(mid\) 的边设为 \(1\)，否则设为 \(-1\)。这样只需要看路径长度是否大于零就可以判断出有没有中位数大于等于 \(mid\) 的情况了。 当然类似到求一个 ......
报错 MEDIA_URL setting must end with a slash
报错 MEDIA_URL setting must end with a slash 构建Django报错， MEDIA_URL setting must end with a slash 分析 根据报错找到media url配置，查看官方文档 MEDIA_URL 必须以/结尾 #根据报错找到med ......
C. Game with Multiset
原题链接 反思：要把各种可能的情况都判断一遍再提交！不要急着提交 简介 仓库里有若干个二次方数，请问是否能取出若干数使得刚好等于给定数？ 情况讨论 情况1.仓库里只有一个4，但是我要求2，求不得 情况2.仓库里有三个1，我要求3，能求 大概思路 从\(i\in[log2(v),0]\)遍历（从大到小 ......
Docker error: "host" network_mode is incompatible with port_bindings
原因 这个错误的原因是在Docker的配置中，使用了"host"网络模式，同时又试图绑定端口（port_bindings）。"host"网络模式意味着容器将直接使用主机的网络，而不是使用Docker创建的虚拟网络。在这种模式下，容器的网络栈不会被隔离，容器可以直接监听主机的网络端口。 因此，当使用" ......
LightGCL Simple Yet Effective Graph Contrastive Learning For Recommendation论文阅读笔记
Abstract 目前的图对比学习方法都存在一些问题，它们要么对用户-项目交互图执行随机增强，要么依赖于基于启发式的增强技术（例如用户聚类）来生成对比视图。这些方法都不能很好的保留内在的语义结构，而且很容易受到噪声扰动的影响。所以我们提出了一个图对比学习范式LightGCL来减轻基于CL的推荐者的通 ......
BigdataAIML-ML-Models for machine learning Explore the ideas behind machine learning models and some key algorithms used for each
最好的机器学习教程系列：https://developer.ibm.com/articles/cc-models-machine-learning/ By M. Tim Jones, Published December 4, 2017 Models for machine learning Alg ......
Deep Residual Learning for Image Recognition：ResNet
Deep Residual Learning for Image Recognition * Authors: [[Kaiming He]], [[Xiangyu Zhang]], [[Shaoqing Ren]], [[Jian Sun]] DOI: 10.1109/CVPR.2016.90 初读 ......
Vision Transformer with Super Token Sampling
Vision Transformer with Super Token Sampling * Authors: [[Huaibo Huang]], [[Xiaoqiang Zhou]], [[Jie Cao]], [[Ran He]], [[Tieniu Tan]] Local library 初读 ......
InternImage: Exploring Large-Scale Vision Foundation Models with Deformable Convolutions 可变形卷积v3
InternImage: Exploring Large-Scale Vision Foundation Models with Deformable Convolutions * Authors: [[Wenhai Wang]], [[Jifeng Dai]], [[Zhe Chen]], [[Z ......
SegViT: Semantic Segmentation with Plain Vision Transformers
SegViT: Semantic Segmentation with Plain Vision Transformers * Authors: [[Bowen Zhang]], [[Zhi Tian]], [[Quan Tang]], [[Xiangxiang Chu]], [[Xiaolin We ......
BiFormer: Vision Transformer with Bi-Level Routing Attention 使用超标记的轻量ViT
alias: Zhu2023a tags: 超标记 注意力 rating: ⭐ share: false ptype: article BiFormer: Vision Transformer with Bi-Level Routing Attention * Authors: [[Lei Zhu] ......
Adaptive Sparse Convolutional Networks with Global Context Enhancement for Faster Object Detection on Drone Images
Adaptive Sparse Convolutional Networks with Global Context Enhancement for Faster Object Detection on Drone Images * Authors: [[Bowei Du]], [[Yecheng ......
Learning to Rank — xgboost 2.0.2
* [Learning to Rank — xgboost 2.0.2 documentation](https://xgboost.readthedocs.io/en/stable/tutorials/learning_to_rank.html)* [XGBoost的原理、公式推导、Python实 ......