pre-training generative networks training
Proj CDeepFuzz Paper Reading: PELICAN: Exploiting Backdoors of Naturally Trained Deep Learning Models In Binary Code Analysis
## Abstract 背景： 1. 本文研究的不是被恶意植入的后门，而是products of defects in training 2. 攻击模式: injecting some small fixed input pattern(backdoor) to induce misclassifi ......
Proj CDeepFuzz Paper Reading: Decompiling x86 Deep Neural Network Executables
## Abstract 本文: BTD github: https://github.com/monkbai/DNN-decompiler/ Task: a decompiler for DNN models to output DNN specifications including: opera ......
Proj CDeepFuzz Paper Reading: NeuRI: Diversifying DNN Generation via Inductive Rule Inference
## Abstract 背景：The correctness of DL systems is crucial for trust in DL applications 本文: NeuRI BaseTool: FreeFuzz Github: https://github.com/ise-uiuc/ ......
BZOJ3732 Network 题解 Kruskal重构树入门题
题目链接：[https://hydro.ac/d/bzoj/p/3732](https://hydro.ac/d/bzoj/p/3732) 题目大意： 给定一个图，每次询问两个点 $u$ 和 $v$，在 $u$ 到 $v$ 的所有路径中找一条路径，且这条路径上的所有边的边权最大值最小。 解题思路： ......
Proj CDeepFuzz Paper Reading: Natural attack for pre-trained models of code
## Abstract 背景：目前大多数的adversarial attack method on pre-trained models of code忽略了perturbations should be natural to human judges(naturalness requirement ......
论文解读（MTEM）《Meta-Tsallis-Entropy Minimization: A New Self-Training Approach for Domain Adaptation on Text Classification》
Note：[ wechat：Y466551 | 可加勿骚扰，付费咨询 ] 论文信息 论文标题：Meta-Tsallis-Entropy Minimization: A New Self-Training Approach for Domain Adaptation on Text Classific ......
Proj CDeepFuzz Paper Reading: COMET: Coverage-guided Model Generation For Deep Learning Library Testing
## Abstract 背景：已有的方法(Muffin, Lemon, Cradle) can cover at most 34.1% layer inputs, 25.9% layer parameter values, and 15.6% layer sequences. 本文：COMET Gi ......
express-generator_express-generator脚手架的安装与使用
### 安装 ``` npm install -g express-generator ``` ### 创建一个脚手架 ``` express --no-view express_generator ``` - 如上代码, 在当前目录下的expresss_generator目录创建一个应用 ### ......
IIncrementalGenerator 增量 Source Generator 生成代码入门 读取 csproj 项目文件的属性配置
本文告诉大家如何在使用 IIncrementalGenerator 进行增量的 Source Generator 生成代码时，读取项目里的项目文件属性，从而实现为项目定制的逻辑。或者是读取 NuGet 包里面的一些配置，从而方便实现逻辑 使用增量的源代码生成具有更高的门槛。本文属于入门博客，但非编程 ......
IIncrementalGenerator 增量 Source Generator 生成代码入门 从语法到语义 获取类型完全限定名
本文告诉大家如何在使用 IIncrementalGenerator 进行增量的 Source Generator 生成代码时，如何从语法分析过程，将获取的语法 Token 转换到语义分析上，比如获取类型完全限定名。一个使用的例子是在拿到一个 Token 表示某个类型时，本文将演示通过语义分析获取到拿 ......
dotnet 6 在 System.Text.Json 使用 source generation 源代码生成提升 JSON 序列化性能
这是一个在 dotnet 6 早就引入的功能，此功能的使用方法能简单，提升的效果也很棒。使用的时候需要将 Json 序列化工具类换成 dotnet 运行时自带的 System.Text.Json 进行序列化，再加上约 5 行的辅助代码，即可完成对接 官方文档： [如何在 System.Text.Js ......
Proj CDeepFuzz Paper Reading: DeepTest: automated testing of deep-neural-network-driven autonomous cars
## Abstract 本文: DeepTest Task: a systematic testing tool for DNN-driven vehicles Method: 1. generated test cases with real-world changes like rain, fo ......
Position-Enhanced and Time-aware Graph Convolutional Network for Sequential Recommendations
# Position-Enhanced and Time-aware Graph Convolutional Network for Sequential Recommendations [TOC] > [Huang L., Ma Y., Liu Y., Du B., Wang S. and Li ......
What's the best approach for generating a new API key?
https://stackoverflow.com/questions/14412132/whats-the-best-approach-for-generating-a-new-api-key Edit: I've spoke to a few friends (email/twitter) an ......
Empowering Long-tail Item Recommendation through Cross Decoupling Network (CDN)
长尾问题是个老大难问题了。
在推荐中可以是用户/物料冷启动，在搜索中可以是中低频query、文档，在分类问题中可以是类别不均衡。长尾数据就像机器学习领域的一朵乌云，飘到哪哪里就阴暗一片。今天就介绍来自Google的一篇解决长尾物品推荐的论文。 ......
print ("标签为" + str(train_set_y[:, index]) + ", 这是一个'" + classes[np.squeeze(train_set_y[:, index])].decode("utf-8") + "' 图片.")
这行代码使用 print 函数来输出一条信息。信息的内容是由多个字符串拼接而成的，其中包括 train_set_y 数组中指定索引处的值和 classes 数组中指定索引处的值。 首先，"标签为" 是一个字符串字面量。接下来，str(train_set_y[:, index]) 表示获取 train ......
train_set_y_orig = train_set_y_orig.reshape((1, train_set_y_orig.shape[0]))
这行代码的作用是将 train_set_y_orig 数组重新调整为一个新的形状，并将其赋值回 train_set_y_orig 变量。 首先，train_set_y_orig.shape[0] 表示获取 train_set_y_orig 数组的第一维大小。接下来，(1, train_set_y_o ......
train_dataset = h5py.File('datasets/train_catvnoncat.h5', "r")
这行代码的作用是使用 h5py 库中的 File 函数打开一个 HDF5 文件，并将其赋值给变量 train_dataset。 首先，'datasets/train_catvnoncat.h5' 是 HDF5 文件的路径。接下来，"r" 表示以只读模式打开该文件。最后，h5py.File() 函数打 ......
train_set_x_orig = np.array(train_dataset["train_set_x"][:])
这行代码的作用是将 train_dataset 字典中的 "train_set_x" 键对应的值转换为一个 NumPy 数组，并将其赋值给变量 train_set_x_orig。 首先，train_dataset["train_set_x"] 表示从 train_dataset 字典中获取键为 "t ......
Proj CDeepFuzz Paper Reading: Aries: Efficient Testing of Deep Neural Networks via Labeling-Free Accuracy Estimation
## Abstract 背景： 1. the de facto standard to assess the quality of DNNs in the industry is to check their performance (accuracy) on a collected set of ......
Proj CDeepFuzz Paper Reading: An Extensive Study on Pre-trained Models for Program Understanding and Generation
## Abstract ## 1. Intro ## 2. Background ### 2.1 Program Understanding and Generation Tasks ### 2.2 NL-PL Pre-Trained Models  台，也就是 N^2 的复杂度，稳定性和性能都存在一些问题，最近打算对这部分进行重写，在重新调研期间看到了 Pingmesh 这篇论文，Pingmesh 是微软用来监 ......
解决：docker 443: connect: network is unreachable
1、配置镜像加速器 您可以通过修改daemon配置文件/etc/docker/daemon.json来使用加速器 sudo mkdir -p /etc/docker sudo tee /etc/docker/daemon.json <<-'EOF' { "registry-mirrors": ["h ......
论文解读（PERL）《PERL: Pivot-based Domain Adaptation for Pre-trained Deep Contextualized Embedding Models》
Note：[ wechat：Y466551 | 可加勿骚扰，付费咨询 ] 论文信息 论文标题：PERL: Pivot-based Domain Adaptation for Pre-trained Deep Contextualized Embedding Models论文作者：Eyal Ben-D ......
CF1023F Mobile Phone Network 题解
## 题意 给出 $n$ 个点，$k$ 条未钦定边权的边和 $m$ 条已钦定边权的边，要求为这 $k$ 条未指定边权的边分配权值使其均在图的最小生成树中且最大化这 $k$ 条边的边权之和。 （$1 \le n,k,m \le 5 \times 10^5$）。 ## 题解 首先满足要求这 $k$ 条边 ......
Training Your Own LoRAs
https://tfwol.github.io/text-generation-webui/Training-LoRAs.html#format-files text-generation-webui Training Your Own LoRAs The WebUI seeks to make t ......
精进语言模型：探索LLM Training微调与奖励模型技术的新途径
# 精进语言模型：探索LLM Training微调与奖励模型技术的新途径 LLMs Trainer 是一个旨在帮助人们从零开始训练大模型的仓库，该仓库最早参考自 [Open-Llama](https://github.com/beichao1314/Open-Llama)，并在其基础上进行扩充。 有 ......
学习笔记：DSTAGNN: Dynamic Spatial-Temporal Aware Graph Neural Network for Traffic Flow Forecasting
DSTAGNN: Dynamic Spatial-Temporal Aware Graph Neural Network for Traffic Flow Forecasting ICML2022 论文地址：https://proceedings.mlr.press/v162/lan22a.html ......
Mixture-of-Domain-Adapters: Decoupling and Injecting Domain Knowledge to Pre-trained Language Mod...
### 1. Abstract 经过预训练的语言模型（PLM）表现出在通用领域理解文本的出色能力，同时在特定领域中表现不佳。**尽管在大型领域特定语料库上继续预训练是有效的，但调整领域上的所有参数是昂贵的**。在本文中，我们研究了是否可以通过只调整几个参数来有效地调整PLM。具体来说，我们将Tran ......
[KDD 2023] All in One- Multi-Task Prompting for Graph Neural Networks
# [KDD 2023] All in One- Multi-Task Prompting for Graph Neural Networks ## 总结 提出了个多任务prompt学习框架，扩展GNN的泛化能力： 1. 统一了NLP和图学习领域的prompt格式，包括prompt token、to ......