mini-batch learning batch with
DeepWalk Online Learning of Social Representations
目录概符号说明DeepWalk代码 Perozzi B., AI-Rfou R. and Skiena S. DeepWalk: Online learning of social representations. KDD, 2014. 概 经典的 graph embedding 学习方法. 符号说 ......
The second day learning summary
1.什么是接口测试？ 接口测试是测试系统组件间接口的一种测试。接口测试主要用于外部系统与系统之间以及内部各个子系统之间的交互点，定义特定的交互点，然后通过这些交互点来，通过一些特殊的规则也就是协议，来进行数据之间的交互。测试的重点是要检查数据的交换，传递和控制管理过程，以及系统间的相互逻辑依赖关系等 ......
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， ......
Using Redis with FastAPI
Using Redis with FastAPI https://developer.redis.com/develop/python/fastapi/ https://github.com/fanqingsong/fastapi-redis-tutorial FastAPI is a Python ......
java中的try-with-resource语法
java的世界千奇百怪。。。当我甩出如下代码段，不知阁下如何应对？ try(A a=new A()){ 和a变量无关的业务代码块 } 没错，这就是“臭名昭著”的try-with-resource语法，乍一看让人不知所云，其实它和try-finally的下述代码等价 A a=new A() try{ ......
论文阅读：2023_Semantic Hearing: Programming Acoustic Scenes with Binaural Hearables
论文地址：语义听觉:用双耳可听器编程声学场景 论文代码：https://semantichearing.cs.washington.edu/ 引用格式：Veluri B, Itani M, Chan J, et al. Semantic Hearing: Programming Acoustic S ......
神经网络入门篇：深度学习和大脑的关联性（What does this have to do with the brain?）
深度学习和大脑的关联性 开始讲故事（手动狗头） 深度学习和大脑有什么关联性吗？ 关联不大。 那么为什么会说深度学习和大脑相关呢？ 当你在实现一个神经网络的时候，那些公式是你在做的东西，你会做前向传播、反向传播、梯度下降法，其实很难表述这些公式具体做了什么，深度学习像大脑这样的类比其实是过度简化了我们 ......
【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 ......
Fine-grained Visual Classification with High-temperature Refinement and Background Suppression
摘要 细粒度视觉分类是一项具有挑战性的任务，因为类别之间的相似性很高，单个类别中数据之间的差异不同。为了应对这些挑战，以前的策略侧重于定位类别之间的细微差异并理解其中的判别特征。然而，背景还提供了重要信息，可以告诉模型哪些特征对于分类是不必要的甚至有害，并且过于依赖细微特征的模型可能会忽略全局特征和 ......
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 ......
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 ......
Python的with open
1、文件的基本操作 1. 打开文件 2. 操作文件 3. 关闭文件 关键字：open 方式1 f=open(r'a.txt', 'r', encoding='utf-8') # f = open(r'a.txt', mode='r', encoding='utf-8') res = f.read() ......
[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 ......
【scikit-learn基础】--『数据加载』之玩具数据集
机器学习的第一步是准备数据，好的数据能帮助我们加深对机器学习算法的理解。 不管是在学习还是实际工作中，准备数据永远是一个枯燥乏味的步骤。scikit-learn库显然看到了这个痛点，才在它的数据加载子模块中为我们准备了直接可用的数据集。 在它的数据加载子模块中，提供了6种直接可用来学习算法的经典数据 ......
The importance of learning basic skills
参考范文1 The Importance of Reading Literature Literature is acknowledged as the most precious product of human civilization and wisdom, especially by our ......
Generative-Contrastive Graph Learning for Recommendation论文阅读笔记
Abstract 首先介绍了一下GCL的一些缺点，GCL是通过数据增强来构造对比视图，然后通过最大化对比视图之间的互信息来提供自监督信号。但是目前的数据增强技术都有着一定的缺点 结构增强随机退出节点或边，容易破坏用户项目的内在本质 特征增强对每个节点施加相同的尺度噪声增强，忽略的节点的独特特征 所以 ......
Java Learning Day4 面向对象基础
初始化顺序：默认初始化 显示初始化 构造器初始化（单参先执行） 有内部类加载的话，在显式赋值之后，就进行新的加载 Static 静态变量：静态成员变量属于类的，完全不需要创建对象使用。 private：同类中 缺省：同一包中 protected：不同包子类 public：不同包 只有成员变量可以用权 ......
克莱·汤普森的合同， 你再也不是那个hero. learning area 和 performance area
从23年6月就开始了拉锯谈判，要价格5年2.3亿，4年2亿，到4年1.6亿，勇士一直报价4年1亿到1.2亿，到了11月底的第七次谈判，勇士只报价4年5500万。结合了克莱在23-24新赛季的表现，这价格可以说是没有溢价了，这合同谈判有些期权的影子，合同是买未来的performance，时间价值的溢价 ......
【python笔记】contextlib，自定义with语句
参考书籍： 《深度学习入门——自制框架》[日]斋藤康毅 步骤18.5 使用with语句切换 with语法 python中的with语句，用于自动进行后处理。 如文件读写： with open('sample.txt', 'w') as f: f.write('hello sb!') 这段代码等价于 ......
hive升级元数据报错The reference to entity "useSSL" must end with the ';' delimiter.
使用Hive自带的schematool工具升级元数据，也就是把最新的元数据重新写入MySQL数据库中。 执行以下命令 cd /usr/local/hive ./bin/schematool -initSchema -dbType mysql 出现The reference to entity "us ......
New Type Functions/Utilities for Dealing with Ranges in C++20
Generic Types of Ranges 类型萃取从字面意思上来说其实就是帮助我们挑选某个对象的类型，筛选特定的对象来做特定的事。可以先来回顾一下以前的写法。 #include <vector> #include <iterator> int main() { std::vector v{1, ......
Graph Neural Networks with Learnable and Optimal Polynomial Bases
目录概符号说明MotivationFavardGNN代码 Guo Y. and Wei Z. Graph neural networks with learnable and optimal polynomial bases. ICML, 2023. 概 自动学多项式基的谱图神经网络. 符号说明 \ ......
【scikit-learn基础】--概述
Scikit-learn是一个基于Python的开源机器学习库，它提供了大量的机器学习算法和工具，方便用户进行数据挖掘、分析和预测。 Scikit-learn是基于另外两个知名的库 Scipy 和 Numpy的，关于 Scipy 和 Numpy 等库，之前的系列文章中有介绍： Scipy 基础系列 ......
Python报错：WARNING conda.models.version:get_matcher(542): Using .* with relational operator is superfluous and deprecated and will be removed in a future version of conda.
参考： https://blog.csdn.net/weixin_45685859/article/details/132916216 报错： [23:59:14](pytorch) devil@OMEN:~$ [23:59:14](pytorch) deviconda install pytorc ......
Java Learning Day3 数组
System.out.print; System.out.println;每输出一次就会换行 Integer.parseInt 字符串转int Double.parseDouble 字符串转double 数组 存储结构连续，存储元素类型相同，随机访问 JVM JVM栈：JVM栈正是java中方法执行 ......
6How To Use Messages With Flask - Flask Fridays #6 10:43
消息闪现 消息闪现 {% for message in get_flashed_messages() %} <div class="alert alert-success alert-dismissible fade show" role="alert"> {{ message }} <button ......
axios(ajax)发送请求响应码200，但获取不到数据，无法加载响应数据: No datafound for resource with givenidentifier问题解决参考
问题截图： 没有响应数据 控制台报错 其实是由于浏览器的跨域资源共享（CORS）策略导致，前后端跨域请求是不行的。什么是域，看页面的url，比如https://www.baidu.com/下的网页都是属于baidu.com这个域。如果你是和我一样是从本地文件打开html的方式来调试ajax，那么一定 ......
TensorFlow-深度学习预训练模型的使用方法讲解（TensorFlow-Explanation on how to use deep learning pre-trained models）
在运用深度学习模型时，掌握运用预训练模型的方法是必不可少的一步。为什么要使用与训练的模型，原因归纳如下： （1）使用大量高质量的数据（如 ImageNet 是普林斯顿大学与斯坦福大学所主导的项目）又加上设计较复杂的模型结构（如ResNet模型高达150层）设计出来的模型，准确率会大大提高。 （2）可 ......