K 近邻算法 算法情况解读 KNN算法的基本思想是物以类聚，人以群分，它是一种贪心算法，可以用于做分类/回归任务。KNN算法认为，距离相近的实例（instance）总是具有类似的性质x，这意味着它们会有相似的标签y。 KNN 基于训练集划分好实例的存储范围，KNN分类的时候就直接判断新的instance所属于
原文地址 slides GitHub 代码 本文发表于 2021 ICML，提出了一个新颖的神经网络计算方式：对于网络中的每个神经元，不采用传统的线性转换+非线性激活函数的方式，而是计算输入与参数之间的 \(\ell_{\infty}\)-distance，作者将其称为 \(\ell_{\infty}\)-dist net，网络中的神经元称为 \(\ell_
用单机单卡训练模型的时代已经过去，单机多卡已经成为主流配置。如何最大化发挥多卡的作用呢？本文介绍Pytorch中的DistributedDataParallel方法。 1. DataParallel 其实Pytorch早就有数据并行的工具DataParallel，它是通过单进程多线程的方式实现数据并行的。 简单来说，DataParallel有
QLUACM暑假训练3（主站进不去进这个）密码：20220711 ABC题解：dcy DEF题解：zxd G题题解 H题题解 I题题解 J题题解 K题题解 L题题解
7月6日，我们来到这里，向着共同的目标前进。 7月7日，是来到吉软JAVA暑期特训营学习的第二天，全体学员参加了机构组织的拓展训练。 这是我第三次参加拓展训练，起初有一些抵触，因为前两次的拓展训练有部分的项目相同，第三次总会有些乏味。但是今天早上起床后，看到晴朗的天气，心情
博客配套视频链接: https://space.bilibili.com/383551518?spm_id_from=333.1007.0.0 b 站直接看 配套 github 链接：https://github.com/nickchen121/Pre-training-language-model 配套博客链接：https://www.cnblogs.com/nickchen121/p/15105048.html 预训练有什么用 机器学习：偏数
7.8第一天：拓展训练 来到这里的第二天，我们六十多个几乎完全陌生的人聚在一起，开始了为期一天的拓展训练 。首先在
https://karpathy.github.io/2019/04/25/recipe/ 训练神经网络2个坑 训练神经网络2个leaky abstraction 据说开始训练神经网络很容易。许多库和框架都觉得使用30行代码来解决数据问题很了不起，这给人一种即插即用的(错误的)印象。常见的做法是：在我们的脑子里，标准的软件就应该是
拓展训练心得 在第二次体验吉软的拓展训练后，我觉得有一次让我得到了能够超越自己的机会，也让我抓到了这次的机会，上次没勇气去做队长，这次攒了两年的勇气竞选了队长。让我感觉得到了自己好久没有感觉到的一种感觉，十分开心。在第一个项目击球的时候十分可惜的查了几个球输给了蓝队，可是
QLUACM暑假训练2 A、B、C题题解 D~F题题解：hdw G、H题题解：qhy I题题解：lhk J题题解：lhk K题题解：jc L题题解：jc
https://zhuanlan.zhihu.com/p/330126934?ivk_sa=1024320u 这个时候还有一个概念叫风险函数(risk function)。风险函数是损失函数的期望，这是由于我们输入输出的(X,Y)遵循一个联合分布，但是这个联合分布是未知的，所以无法计算。但是我们是有历史数据的，就是我们的训练集，f(x) 关于训练
900——1000 5道 A. Anti Light's Cell Guessing 题意大概是在一个行列确定的坐标系里，最少用几个点可以唯一确定一个点 思路就是判断行列的最小值是否为1，是1的话，最多一个点就可以确定，否则两个点即可。 注意：1*1的方格需要的点是0，故需要特判 解决代码： void solve() { int n, m; ci
QLUACM暑假训练1 A题题解：zyh B题题解：zyh C题题解：yhz D题题解：yhz E题题解：wjx F题题解：wjx G、H题题解：lyf
一、InsightFace简介 InsightFace 是一个 2D/3D 人脸分析项目。InsightFace 的代码是在 MIT 许可下发布的。 对于 acadmic 和商业用途没有限制。 包含注释的训练数据（以及使用这些数据训练的模型）仅可用于非商业研究目的。 在此存储库中，我们提供用于深度识别的训练数据，网络设置和
1. CRF ： 条件随机场，一种用来标记和切分序列化数据的统计模型，主要用作语音识别和文本识别，前提是有一个已经标记了的观察序列。 2. 造成过拟合的原因有两个：第一是：训练数据不足，第二个是：训练过度导致模型非常的复杂，泛化能力差。 3. 降低过拟合的方法：正则化方法，减少参数量，增大训练数据
李宏毅自然语言处理——GPT3简介 本文原地址：https://blog.csdn.net/yjw123456/article/details/119705148 引言 今天来介绍下牛逼的GPT-31，它是一个拥有1750亿参数的巨大的自回归(autoregressive)语言模型。 GPT-3简介 之前最大的语言模型是Turing NLG，它由170亿参数，
李宏毅自然语言处理——GPT3简介 本文原地址：https://blog.csdn.net/yjw123456/article/details/119705148 引言 今天来介绍下牛逼的GPT-31，它是一个拥有1750亿参数的巨大的自回归(autoregressive)语言模型。 GPT-3简介 之前最大的语言模型是Turing NLG，它由170亿参数，
开始用 NOI Linux 训练。 6.29：VP Codeforces Round #803 (Div. 2)，performance 2700+，状态不错。打 div1 也能这么高 performance 吗？ 6.30：VP Codeforces Round #801 (Div. 2) and EPIC Institute of Technology Round，performance 2400+，前两题没想清楚+没看清楚数据范围导致出现失误
一、人工智能概况 20世纪40年代 1943年，Warren McCulloch 和 Wallter Pitts提出了神经网络层次结构模型，确立 了神经网络的计算模型理论，从而为机器学习的发展奠定了基础。 1950年，“人工智能之父”图灵提出了著名的“图灵测试”，使人工智能成为了科学 领域的一个重要研究课题。
目标：实现图片中的印章检测定位 方法：yolov5 关于YOLO的使用可参见此文章https://zhuanlan.zhihu.com/p/497678933，本人参照此文学习的 写此文章为了记录使用中的注意事项 1、YOLO的环境搭建参加方法中的链接（建议使用GPU） 2、YOLO的代码参见方法中的代码链接 3、图片标注： 3.1、
2022暑期训练 其实不用写2022，也没有明年了 6月下旬 6.21日-6.27日，期末复习期间，做了6场ABC，AK两场div3，随便做了点div2，掉了很多分。。 6.28日，中午起床，下午写了几道kaungbin专题然后睡着了 晚上继续写了写，打了场cfdiv2，最近几个月最拉的一场，感觉很奇怪，然后交互题写错了个符号痛掉60分。
Pytorch训练结束后保存模型参数，接着再加载这个模型参数，继续训练但是训练效果变差很多？ - Cai Yichao的回答 - 知乎 https://www.zhihu.com/question/482169025/answer/2081124014 官方文档： https://pytorch.org/tutorials/beginner/basics/saveloadrun_tutorial.html
小样本利器2.文本对抗+半监督 FGSM & VAT & FGM代码实现 上一章我们聊了聊通过一致性正则的半监督方案，使用大量的未标注样本来提升小样本模型的泛化能力。这一章我们结合FGSM，FGM，VAT看下如何使用对抗训练，以及对抗训练结合半监督来提升模型的鲁棒性。本章我们会混着CV和NLP一起来说，V
有关蒸馏 (Distillation)的论文： (2006)Model Compression (2014)Do Deep Nets Really Need to be Deep?--- 论文笔记 (2015)Distilling the Knowledge in a Neural Network--- 论文笔记 摘要 本文提出了防御蒸馏（defensive distillation），主要思想为：使用从DNN中提取的知识来降低
下面介绍一些常见的神经网络 1、其他常见神经网络 1.1RBF网络 RBF网络是一种单隐层前馈神经网络，它使用径向基函数作为隐层神经元激活函数，而输出层则是对隐层神经元输出的线性组合。径向基函数，是某种沿径向对称的标量函数，通常定义为样本到数据中心之间欧氏距离的单调函数。具有
