526互联

policy on-policy learning速度

Mac 调节鼠标速度

一、设置中调整 二、命令行设置 # 查看鼠标当前速度 defaults read -g com.apple.mouse.scaling # 设置鼠标速度 defaults write -g com.apple.mouse.scaling 10.0 ......
鼠标 速度 Mac

【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 ......
scikit-learn 编码 基础 scikit learn

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 ......
learning summary fourth The day

CH32V307以太网MAC层数据包收发速度测试

测试平台： CH32V307VCT6+RTL8211FS PS：沁恒CH32V307VCT6-R2开发板带有千兆PHY（RTL8211FS），本次测试基于该开发板。该开发板原理图以及PCB图可在CH32V 307 EVT中获取到，如下图。EVT下载链接如下： https://www.wch.cn/d ......
以太网 速度 数据 V307 307

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 ......
Recommendation Contrastive Effective LightGCL Learning

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 ......
learning machine BigdataAIML-ML-Models BigdataAIML algorithms

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 ......
Recognition Residual Learning ResNet Image

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 ......
Learning xgboost Rank to

Unity3D UDP传输大文件怎么提高速度详解

前言 Unity3D是一款强大的游戏开发引擎，但是在处理大文件传输时，往往会遇到速度较慢的问题。本文将详细介绍如何通过使用UDP协议来提高大文件传输的速度，并给出相应的技术详解和代码实现。 对惹，这里有一个游戏开发交流小组，希望大家可以点击进来一起交流一下开发经验呀 UDP协议简介UDP（User ......
速度 Unity3D 文件 Unity3 Unity

A Guide to Image and Video based Small Object Detection using Deep Learning : Case Study of Maritime Surveillance

A Guide to Image and Video based Small Object Detection using Deep Learning : Case Study of Maritime Surveillance 基于图像和视频的小对象指南使用深度学习进行检测：的案例研究海上监视 1 ......
Surveillance Detection Learning Maritime Object

Occluded Person Re-Identification with Deep Learning: A Survey and Perspectives

应对行人信息丢失、噪声干扰、视角错位等挑战 局部特征学习：人体分割、姿态估计、语义分割、属性注释、混合法 ***语义分割*** ECCV-2020）用于行人重识别的身份引导人类语义解析 https://blog.51cto.com/u_14300986/5466923 ......
Re-Identification Identification Perspectives Occluded Learning

神经网络优化篇：机器学习基础（Basic Recipe for Machine Learning）

机器学习基础 下图就是在训练神经网络用到的基本方法：（尝试这些方法，可能有用，可能没用） 这是在训练神经网络时用到地基本方法，初始模型训练完成后，首先要知道算法的偏差高不高，如果偏差较高，试着评估训练集或训练数据的性能。如果偏差的确很高，甚至无法拟合训练集，那么要做的就是选择一个新的网络，比如含有更 ......
神经网络 Learning 神经 机器 Machine

【scikit-learn基础】--『预处理』之 正则化

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 ......
正则 scikit-learn 基础 scikit learn

Machine Learning in Python

Metric Formula Interpretation Accuracy $ \frac{TP+TN}{TP+TN+FP+FN} $ Overall performance of model Precision $ \frac{TP}{TP+FN} $ How accurate the posi ......
Learning Machine Python in

Ansor：Generating High-Performance Tensor Program for Deep Learning

Ansor：Generating High-Performance Tensor Program for Deep Learning Abstract 高性能的张量程序对于保证深度神经网络的高效执行十分关键，但是在不同硬件平台上获取高性能的张量程序并不容易。近年的研究中，深度学习系统依赖硬件供应商提 ......
High-Performance Performance Generating Learning Program

RLHF · PbRL | 选择 near on-policy query，加速 policy learning 收敛速度

Query-Policy Misalignment：选择的看似 informative 的 query，实际上可能与 RL agent 的兴趣不一致，因此对 policy learning 几乎没有帮助，最终导致 feedback-efficiency 低下。 ......
policy on-policy learning 速度 query

个人优化 Github Pages 博客网站访问速度记录

使用 Github Pages 可以方便地搭建自己的静态网站，详细过程参考我的这篇文章。 "使用 hugo 和 Github Pages 搭建个人博客 但由于众所周知的原因，此方法搭建的博客在国内访问速度不佳。因此考虑采用一些方法来加速访问，主要思路是使用 CDN 加速网站的静态资源。 对于不同的静 ......
速度 Github Pages 个人 博客

Q-learning与Sarsa算法辨析

这个是Q-learing的一个算法，根据代码，它就是，先设定训练100次，然后，给它一个随机的状态，这里我们假设状态6就是终点，那么走迷宫的时候，如果没走到6，就要一直走下去，，所以里面还要用到一个while循环，然后在每个状态的时候，找一个非负的动作，存储在数组里，（算是合理动作的集合吧），下一个 ......
算法 Q-learning learning Sarsa

Spring CSP & Cors: Content Security Policy with Spring Security | Enabling Cross Origin Requests for a RESTful Web Service

* [Spring Security 配置 Content Security Policy（CSP） - spring 中文网](https://springdoc.cn/spring-security-csp/)* [Getting Started | Enabling Cross Origin ......
Security Spring Enabling Requests Content

《Progressive Learning of Category-Consistent Multi-Granularity Features for Fine-Grained Visual Classification》阅读笔记

论文标题 《Progressive Learning of Category-Consistent Multi-Granularity Features for Fine-Grained Visual Classification》 细粒度视觉分类中类别一致多粒度特征的渐进学习 作者 Ruoyi D ......
Category-Consistent Multi-Granularity Classification Fine-Grained Progressive

【scikit-learn基础】--『预处理』之 数据缩放

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 ......
scikit-learn 基础 数据 scikit learn

【scikit-learn基础】--『预处理』之 标准化

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 ......
scikit-learn 基础 标准 scikit learn

使用PyTorch II的新特性加快LLM推理速度

Pytorch团队提出了一种纯粹通过PyTorch新特性在的自下而上的优化LLM方法，包括: Torch.compile: PyTorch模型的编译器 GPU量化:通过降低精度操作来加速模型 推测解码:使用一个小的“草稿”模型来加速llm来预测一个大的“目标”模型的输出 张量并行:通过在多个设备上运 ......
特性 速度 PyTorch LLM

Adaptive Graph Contrastive Learning for Recommendation论文阅读笔记

Abstract 在实际的场景中，用户的行为数据往往是有噪声的，并且表现出偏态分布。所以需要利用自监督学习来改善用户表示。我们提出了一种新的自适应图对比学习(AdaGCL)框架，该框架使用两个自适应对比视图生成器来进行数据增强，以更好地增强CF范式。具体的说，我们使用了两个可训练的视图生成器，一个图 ......
Recommendation Contrastive Adaptive Learning 笔记

15.Please retell the parable of The Blind men and An Elephant. What is the moral of the parable? What can we learn from the parable when it comes to critical thinking?

Round 1: Retelling the Parable and Extracting the Moral Speaker 1 (Student A): Hey everyone! So, let's dive into the parable of "The Blind Men and the ......
parable the What Elephant critical

kafka消费端速度慢解决方案

一、增加patition数量， 有多少个patition就会启多少个消费者线程去消费，跟消费者服务节点的数量无关，只能patition有关。 二、patition一样的情况下，改为批量消费，一次拉取多条数据，max.poll.records，利用多线程去处理数据，避免单线程处理批量数据时间过长，导致 ......
解决方案 速度 方案 kafka

【scikit-learn基础】--『数据加载』之外部数据集

这是scikit-learn数据加载系列的最后一篇，本篇介绍如何加载外部的数据集。 外部数据集不像之前介绍的几种类型的数据集那样，针对每种数据提供对应的接口，每个接口加载的数据都是固定的。而外部数据集加载之后，数据的字段和类型是不确定的。 简单来说，我们在实际的数据分析工作中，用到的是外部数据集加载 ......
数据 scikit-learn 基础 scikit learn

Overview of Machine Learning Methods for Genome-Wide Association Analysis

Overview of Machine Learning Methods for Genome-Wide Association Analysis BIBE2021: The Fifth International Conference on Biological Information and B ......
Genome-Wide Association Overview Learning Analysis

Paper Reading: Oversampling with Reliably Expanding Minority Class Regions for Imbalanced Data Learning

为了设计更有效的插值过采样算法，本文提出了一种新的插值过采样方法 OREM。OREM 在原始少数类样本周围找到候选少数类区域，然后利用这些候选区域识别不包含任何多数类样本的干净子区域。它们被认为是潜在的少数类区域，所以通过将合成样本填充到干净子区域可以增强少数类的表达能力。OREM 方法的思路很简单... ......
Oversampling Imbalanced Expanding Minority Learning

Drug response prediction using graph representation learning and Laplacian feature selection

Drug response prediction using graph representation learning and Laplacian feature selection Minzhu Xie 1 2, Xiaowen Lei 3, Jianchen Zhong 3, Jianxing ......
representation prediction Laplacian selection response
共830篇  :3/28页 首页上一页3下一页尾页