self-training adaptation training domain
Python实现软件设计模式7：适配器模式 Adapter Pattern
动机 有两个不存在直接继承或关联关系的类A、B， A希望能利用到B类中某个已存在的、功能完善的方法，而不再去具体实现A的接口源码；适配器模式使接口不兼容的那些类可以一起工作。 主要角色 目标类 Target 抽象接口类 适配者 Adaptee 适配器 Adapter 具体实现接口 客户端 Clien ......
《Span-Based Joint Entity and Relation Extraction with Transformer Pre-Training》阅读笔记
代码 原文地址 预备知识： 1.什么是束搜索算法（beam search）? beam search是一种用于许多自然语言处理和语音识别模型的算法，作为最终决策层，用于在给定目标变量(如最大概率或下一个输出字符)的情况下选择最佳输出。 2.什么是条件随机场（Conditional Random Fi ......
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 ......
中间件是开箱即用的吗？为什么要开发中间件adapter？
中间件adapter指的是和中间件运行在一起（同一个物理机或同一个容器），使得中间件和商用系统中已有的组件进行对接，最终使得该中间件达到在该系统商用的标准。 ......
C. Training Before the Olympiad
原题链接 题解 事实1.两个数合并后的数一定是偶数 事实2.如果没有发生奇数和偶数合并，那么最终的结果一定是所有数的和 事实3.每发生一次奇数和偶数合并，最后的结果会减一 总结 综上所述，Masha会尽量选择同奇或同偶合并，但在有同奇的情况下，会优先选择同奇，因为合并会产生偶数，且Olya需要用到奇 ......
CF1916C Training Before the Olympiad
思路 首先，我们可以考虑两个人会怎么操作，如果是选择了两个偶数和两个奇数，那么答案不会减小，如果选择了一个奇数一个偶数，那么答案会减小一。 所以想使答案大的人应该尽量选择前一种方案，想使答案小的人应该尽量选择后一种方案。 但这还不是最优的，想使答案大的人在可以选择两个奇数时，绝对不会选择两个偶数，因 ......
InstructGPT《InstructGPT: Training language models to follow instructions with human feedback》解读
背景 GPT-3 虽然在各大 NLP 任务以及文本生成的能力上令人惊艳，但是他仍然还是会生成一些带有偏见的，不真实的，有害的造成负面社会影响的信息，而且很多时候，他并不按人类喜欢的表达方式去说话。在这个背景下，OpenAI 提出了一个概念“Alignment”，意思是模型输出与人类真实意图对齐，符合 ......
Thoughts and ideas about how to apply LLMs in specific domains like clinic/law/finance
Applying LLMs in Specific Domains As a university student who has just completed fine-tuning TinyLLaMA-1b with clinical instruction data using the QLo ......
GPT-1论文《Improving Language Understanding by Generative Pre-Training》解读
背景 GPT-1 采用了两阶段训练的方式： 1. 第一阶段 pre-training，在海量文本上训练，无需label，根据前k-1个词预测第k个单词是什么，第一阶段的训练让模型拥有了很多的先验知识，模型具有非常强的泛化性 2. 第二阶段在特定任务上fine-tuning，让模型能适应不同的任务，提 ......
L2CAP（Logical Link Control and Adaptation Protocol）
逻辑链路（Logical Link）：不是真实的物理链路(acl)，上层的多个profile怎么表示连接呢？ 就是通过逻辑链路，CID在逻辑链路的两端，举例： 1. 如本端和远端的SDP，SCID=0X40,DCID=0XB9,SCID=0X40和DCID=0XB9就表示一条逻辑链路； 2. 本端和 ......
适配器 Adapter
一、定义 讲一个类的接口转换成客户期望的另一个接口 使原本接口不兼容的类可以一起工作 二、适用场景 已经存在的类，它的方法和需求不匹配时 方法结果相同或相似 不是软件设计阶段考虑的设计模式，是随着软件维护，由于不同产品，不同厂家造成功能类似而接口不相同情况下的解决方案 三、优缺点 1、优点 能提高类 ......
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 ......
Open-World Object Manipulation using Pre-trained Vision-Language Models
概述 提出MOO: Manipulation of Open-World Objects 用预训练的VLM在图像中标记instruction的object的坐标，传入policy进行控制，可以zero-shot泛化到novel object，还支持手指、点击输入指令。 问题 机器人泛化到训练中没有见 ......
High-Efficiency Lossy Image Coding Through Adaptive Neighborhood Information Aggregation
目录简介创新点内容Entropy Coding Using Multistage Context Model模型结构残差邻域注意力块Residual Neighborhood Attention Block RNAB激活函数 高斯误差线性单元激活函数GELU并行解码 简介 创新点 Integrate ......
dremio dbt adapter 一些简单说明
dbt-dremio 是dremio 官方维护的dbt adapter ，目前还在持续迭代中 官方参考玩法 实际上核心是基于dbt +dremio 进行模型的创建 内部集成玩法 对于我们实际运行是需要对象存储服务的（比如使用minio），对象存储做为实际数据的物理存储，同时会使用apache ice ......
安卓之各种Adapter优劣分析
在 Android 开发中，适配器（Adapter）是一种非常重要的设计模式，它用于将数据与视图组件进行绑定。适配器可以帮助我们在不同的视图组件（如 ListView、GridView、RecyclerView 等）中展示数据，而无需为每个组件编写重复的代码。以下是 Android 中常用的几种适配... ......
【论文阅读笔记】【多模态-Vision-Language Pretraining】 BLIP: Bootstrapping Language-Image Pre-training for Unified Vision-Language Understanding and Generation
BLIP ICML 2022 (Spotlight) 读论文思考的问题 论文试图解决什么问题？写作背景是什么？ 问题： 在视觉-语言预训练（VLP）中，如何更加高效地利用充斥着噪声的海量图文对数据，提升预训练效果？ 如何设计模型，使得预训练后的模型在理解（understanding-based）任务 ......
A fast and simple algorithm for training neural probabilistic language models
目录概Noise contrastive estimation Mnih A. and Teh Y. W. A fast and simple algorithm for training neural probabilistic language models. ICML, 2012. 概 NCE ......
手搭train版的openstack
准备两台虚拟机分别作为controller节点和compute节点 主机 硬件 IP 虚拟机网卡 controller 2cpu+4GB内存+60GB硬盘 192.168.238.30 192.168.108.30 NAT模式 仅主机模式 compute 2cpu+4GB内存+50GB硬盘 192. ......
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 ......
什么是 SAP CRM Middleware Component 里的 PRODUCT_R3_ADAPTER
在SAP CRM系统中，Middleware是一种关键的技术组件，用于在不同的系统之间实现数据交换和集成。Middleware负责确保不同系统之间的数据同步和协作，从而支持企业业务流程的无缝集成。在Middleware的体系结构中，PRODUCT_R3_ADAPTER是一个重要的组件，用于处理与SA ......
SAP CRM 和 ERP 系统之间的主数据同步 - PRODUCT_R3_ADAPTER
SAP CRM 系统中的 Middleware 是一个关键的集成组件，它允许 CRM 系统和其他 SAP 或非 SAP 系统交换和同步数据。Middleware 提供了一种机制，允许在异构系统环境中实现数据和业务过程的一致性。 在这个上下文中，PRODUCT_R3_ADAPTER 是一种特定的 Mi ......
CentOS7离线部署OpenStack Train版本
CentOS7离线部署OpenStack Train版本CentOSOpenStack 一、在线安装OpenStack 在线安装的过程中，把下载的所有包都保存下来，然后导入到离线环境中再进行安装。 在虚拟机里装了一个CentOS 7系统，使用的CentOS 7 内核版本是：3.10.0-1160.e ......
CentOS7离线部署OpenStack Train版本
CentOS7离线部署OpenStack Train版本CentOSOpenStack 一、在线安装OpenStack 在线安装的过程中，把下载的所有包都保存下来，然后导入到离线环境中再进行安装。 在虚拟机里装了一个CentOS 7系统，使用的CentOS 7 内核版本是：3.10.0-1160.e ......
does not have a SELinux domain defined. android 开机启动
[ 46.089306] init: Service mysvc2 does not have a SELinux domain defined. service mysvc1 /system/vendor/bin/app1 class main user root group root syste ......
神经网络优化篇：详解训练，验证，测试集（Train / Dev / Test sets）
训练，验证，测试集 在配置训练、验证和测试数据集的过程中做出正确决策会在很大程度上帮助大家创建高效的神经网络。训练神经网络时，需要做出很多决策，例如： 神经网络分多少层 每层含有多少个隐藏单元 学习速率是多少 各层采用哪些激活函数 创建新应用的过程中，不可能从一开始就准确预测出这些信息和其他超级参数 ......
【论文阅读笔记】【多模态-Referring & Grounding】 Grounded Language-Image Pre-training
GLIP CVPR 2022 (Oral, Best Paper Finalist) 读论文思考的问题 论文试图解决什么问题？写作背景是什么？ 问题： 如何将视觉-语言预训练技术应用在以目标检测为代表的 fine-grained image understanding 上面？ 如何在增加训练数据的同 ......
GLIP:Grounded Language-Image Pre-training
Grounded Language-Image Pre-training 目录Grounded Language-Image Pre-training简介摘要Introduction统一的损失函数方法总结参考资料 GLIPv1: Grounded Language-Image Pre-trainin ......
同一个train.py，没改任何代码，一会能跑，一会不能跑
问题描述 跑一个模型，加载预训练权重，只进行推理，没有修改任何代码，刚开始直接运行可以得到推理结果，然后再跑，程序又卡住了；然后我使用调试，一会能跑，一会跑到第五六个batch时，又卡住了。 解决方法 修改dataloader的num_workers。我程序原来workers设为的8，后面改为4就可 ......