bagba的知识分享库

在深度学习中，对某一个离散随机变量X进行采样，并且又要保证采样过程是可导的（因为要用梯度下降进行权重更新），那么就可以用Gumbel softmax trick。属于重参数技巧(re-parameterization)的一种。首先我们要介绍，什么是Gumbel distribution，然后再介绍怎么用到梯度下降中，最后是用pytorch实现它。

function [x,y,resh] = mysaddle(B,c,d,alg,tol,maxiter)%% Solve minimax problem:% min_x max_y f(x,y) = x'By + c'x + d'y% Inputs:% (B,c,d) is the problem data where B is m by n (m <= n) and d is in% the range of B'. Parameter alg specifies one of the

基数估计缘起项目中遇到的问题，考虑如下场景：A,B,C,…..N个集合，这里的集合不是严格意义上的集合，只是指一个list，里面有重复元素。然后我要统计这些集合的交集，并集的集合（这里的交集并集为严格意义上的集合，无重复元素）的数量，即先做 inner join 后，再 count(distinct())。这些集合的大小从十万到十亿不等，大概有几百个这样的集合。目前是通过mapreduce来进行计算

分布式限速服务好久没写技术博客了，由于工作中一直比较忙的状态，开发和研究了一些技术，但是没有很好地沉淀下来，还是需要通过博客，加深理解，进行进一步沉淀，在此立flag，之后工作每进行一个topic，都要在此进行总结沉淀。...

奇怪了，搜到的结果基本是aws的S3服务，还有各种云的对象存储服务系统对于对象的管理。难道编程领域没有专门的**“对象的生命周期管理”**这个概念吗？还是专业术语不是这个？...