摘要: 2022 年数据科学研究综述:重点介绍 ML、DL、NLP 等 当我们在 2022 年底临近时,我对许多著名研究小组完成的所有惊人工作感到振奋,他们将 AI、机器学习、深度学习和 NLP 的状态扩展到各种重要方向。在本文中,我将向您介绍我迄今为止在 2022 年精选的一些论文,这些论文特别引人注目且 阅读全文
posted @ 2022-09-27 09:50 Xu_Lin 阅读(544) 评论(0) 推荐(0) 编辑
摘要: 机器学习设计模式 介绍 设计模式是一种将专家的经验和知识记录为可行建议的方法,所有从业者都可以应用这些建议来使用久经考验的方法解决他们的问题。就像我们有传统的软件设计模式、微服务设计模式、API 设计模式、游戏开发设计模式等等;在机器学习中发现和记录设计模式是有意义的。 机器学习中的常见挑战与数据质 阅读全文
posted @ 2022-09-27 09:14 Xu_Lin 阅读(158) 评论(0) 推荐(0) 编辑
摘要: 使用sphinx-book-theme构建文档 sphinx-book-theme https://www.sphinx-doc.org/en/master/#confval-language pip install sphix sphinx-book-theme myst-nb 初始化构建仓库 阅读全文
posted @ 2022-09-26 15:21 Xu_Lin 阅读(88) 评论(0) 推荐(0) 编辑
摘要: 1.作为一个技术人员要立高目标,有追求,持续保持好奇心,而不是以完成为态度。求其上,得其中,求其中,得其下,只求完成,那就是一个烂摊子。 2.对待边界,对待未知,保持乐观和相信,执行过程本就是收获。 3.与有责任感和有能力的人为伍,现代管理学中强调人的主动性,人的自主性的重要性,是你要做这件事,而不 阅读全文
posted @ 2022-09-18 17:31 Xu_Lin 阅读(49) 评论(0) 推荐(0) 编辑
摘要: Transformers in Vision 介绍 最初引入现在著名的Attention is all you need ^1^,Transformer 多年来一直主导着自然语言处理 (NLP) 领域。特别值得注意的是基于 Transformer 的模型的扩展,例如BERT ^2^、Megatron 阅读全文
posted @ 2022-09-15 16:41 Xu_Lin 阅读(252) 评论(0) 推荐(0) 编辑
摘要: Docker简易操作 1、启动docker sudo docker run [OPTIONS] IMAGE [COMMAND] [ARG...] sudo docker run -d -p 8009:80 jimchen:nginx-image-test sudo docker run --gpus 阅读全文
posted @ 2022-09-14 18:06 Xu_Lin 阅读(93) 评论(0) 推荐(0) 编辑
摘要: ICML 2022 | Graph Machine Learning 论文分享 国际机器学习大会(International Conference on Machine Learning,简称ICML ) 是由国际机器学习学会(IMLS)主办的机器学习国际顶级会议 (CCF-A). ICML 202 阅读全文
posted @ 2022-09-03 14:30 Xu_Lin 阅读(987) 评论(0) 推荐(0) 编辑
摘要: Detectron2使用 Detectron2安装 git clone https://github.com/facebookresearch/detectron2.git cd detectron2 python setup.py build develop kaggle datasets dow 阅读全文
posted @ 2022-08-18 22:42 Xu_Lin 阅读(49) 评论(0) 推荐(0) 编辑
摘要: Pytorch的主要组成模块 一、基本配置 对于一个PyTorch项目,我们需要导入一些Python常用的包来帮助我们快速实现功能。常见的包有os、numpy等,此外还需要调用PyTorch自身一些模块便于灵活使用,比如torch、torch.nn、torch.utils.data.Dataset、 阅读全文
posted @ 2022-08-18 11:43 Xu_Lin 阅读(394) 评论(0) 推荐(0) 编辑
摘要: AICA第6期-学习笔记汇总 AICA第六期|预科班课程 1.《跨上AI的战车》 2.《产业中NLP任务的技术选型与落地》 3.《计算机视觉产业落地挑战与应对》 4.《搭建适合企业的AI中台》 AICA第六期|第一次核心课程 开学第一课 《深度学习再认识》 课程模块:跨越理论与产业的鸿沟 1.《智慧 阅读全文
posted @ 2022-08-13 19:05 Xu_Lin 阅读(69) 评论(0) 推荐(0) 编辑
摘要: 银河麒麟桌面操作系统介绍及下载链接汇总 银河麒麟桌面操作系统V10是一款简单易用、稳定高效、安全创新的新一代图形化桌面操作系统产品。现已适配国产主流软硬件产品,同源支持飞腾、鲲鹏、海思麒麟、龙芯、申威、海光、兆芯等国产CPU和Intel、AMD平台,通过功耗管理、内核锁及页拷贝、网络、VFS、NVM 阅读全文
posted @ 2022-07-03 16:58 Xu_Lin 阅读(11626) 评论(1) 推荐(2) 编辑
摘要: 百度高效研发实战训练营-Step4 4.1 代码检测规则:Java案例详解 以Java的案例进行代码检查规则解释,代码检测规则可以分为以下十类: 4.1.1 源文件规范 该类规范,主要为从文件名、文件编码、特殊字符等三个方面制定的规则。 文件名方面:Java源文件名,必须和它包含的顶层类名保持一致, 阅读全文
posted @ 2022-06-13 22:18 Xu_Lin 阅读(144) 评论(0) 推荐(0) 编辑
摘要: 、# 百度高效研发实战训练营-Step3 3.1 质量意识 关于本部分,将从以下几点进行介绍: 3.1.1 质量的基本概念 意识的树立,源于认识的提高。 首先介绍质量的基本概念,主要包括以下内容: 1 质量重要性的认识 随着技术的更新,市场竞争的加剧,质量问题成为了困扰不少企业的一大难题,也给一些企 阅读全文
posted @ 2022-06-09 14:33 Xu_Lin 阅读(210) 评论(0) 推荐(0) 编辑
摘要: 百度高效研发实战训练营Step2 2.1 代码的艺术 2.1.1《代码的艺术》目的解读 这门课程的目的主要有以下四点: (1) 了解公司与学校写代码的不同 (2) 消除对于程序员这个职业的误解 (3) 建立对软件编程的正确认识 (4) 明确作为软件工程师的修炼方向 1、了解公司与学校写代码的不同 在 阅读全文
posted @ 2022-06-06 22:01 Xu_Lin 阅读(188) 评论(0) 推荐(0) 编辑
摘要: 百度高效研发实战训练营-Step1 1 设计方法与实践介绍 1.1. 软件设计原则 (1)软件设计的目的 软件设计是为了使软件在长期范围内能够容易的进行变化。 变化:软件不是一成不变的,无论是软件本身的需求、软件依赖的其他软件资源都是一直在发生变化的,唯一不变的就是变化。 容易:任何一个软件的变化都 阅读全文
posted @ 2022-06-05 12:00 Xu_Lin 阅读(320) 评论(0) 推荐(0) 编辑
摘要: YOLOR目标检测训练模型学习总结 性能测试 python test.py --data data/cocoaml --img 320 --batch 8 --conf 0.001 --iou 0.65 --device 0 --cfg cfg/yolor_p6.cfg --weights weig 阅读全文
posted @ 2022-05-18 11:18 Xu_Lin 阅读(325) 评论(0) 推荐(0) 编辑
摘要: Contents Attention OverallSurvey NLP Language Speech CV Backbone_Classification Self-Supervised Interpretability and Robustness Detection HOI Tracking 阅读全文
posted @ 2022-04-03 18:25 Xu_Lin 阅读(555) 评论(0) 推荐(0) 编辑
摘要: 相关资料链接 机器学习术语 速查表 章节 学习笔记 思维导图 课后习题 延伸阅读 扩展习题 其他 一、绪论 Note1 Mind1 习题1 基本概念part1 基本概念part2基本概念Part3机器学习基础(上) - - 二、模型评估与选择 Note2 Mind2 习题2 机器学习基础(下) - 阅读全文
posted @ 2022-03-31 21:44 Xu_Lin 阅读(54) 评论(0) 推荐(0) 编辑
摘要: Utils 从torch.nn.utils模块 clip_grad_norm_ 裁剪参数迭代的梯度范数。 clip_grad_value_ 在指定值处剪辑可迭代参数的梯度。 parameters_to_vector 将参数转换为一个向量 vector_to_parameters 将一个向量转换为参数 阅读全文
posted @ 2022-03-23 20:58 Xu_Lin 阅读(372) 评论(0) 推荐(0) 编辑
摘要: 卷积层 nn.Conv1d 对由多个输入平面组成的输入信号应用一维卷积。 nn.Conv2d 在由多个输入平面组成的输入信号上应用 2D 卷积。 nn.Conv3d 对由多个输入平面组成的输入信号应用 3D 卷积。 nn.ConvTranspose1d 在由多个输入平面组成的输入图像上应用一维转置卷 阅读全文
posted @ 2022-03-23 20:57 Xu_Lin 阅读(343) 评论(0) 推荐(0) 编辑