学习

destroy_it destroy_it 博客等级 墨衍会员 · AI 创作全网分发 墨衍智能分发 本文由作者通过墨衍一键同步至各平台 1分发平台 200+累计阅读 247平均单平台 已同步平台 优快云 微信公众号 微博 知乎 掘金 百家号 博客园 抖音 小红书 你的文章也可以这样分发 墨衍会员 ¥399起/年，写一次发全网 我也要 码龄17年
关注
原创 最新推荐文章于 2026-08-17 15:49:18 发布 247 阅读 AI 写同款· GEO 优化 ›
元学习、迁移学习、对比学习、自监督学习与少样本学习的关系解读 文章目录前言一、对比自监督学习与FSL1.对比学习与自监督学习2.自监督学习与FSL二、元学习与FSL1.元学习是什么2.元学习与FSL三、迁移学习与FSL1.迁移学习2.迁移学习与FSL总结 前言 本人的研究方向是少样本图像分类，在阅读论文时会遇到很多元学习、迁移学习这样的名词，这些词在不同的论文中关系仿佛都不一样，人们的说法也不统一。因此在此记录一下自己的逻辑，希望不再混乱了~ 还有对比学习和自监督学习，最近自己也在看，并且和少样本学习（FSL）相关，就一起放在这里。 文章中出现的ppt截图是自己讲组 阅读详情

学习要坚持

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
机器学习中在线学习、批量学习、迁移学习、主动学习的区别 1、http://www.cnblogs.com/Wanggcong/p/4699932.html 2、http://www.cnblogs.com/jerrylead/archive/2011/04/18/2020173.html 3、http://blog.youkuaiyun.com/guohecang/article/details/52857322 4、http://blog.youkuaiyun.com/zyazky/article/details/51942135 5、http://blog.youkuaiyun.com/zya 阅读详情

相关推荐

多模态学习、迁移学习、元学习、联邦学习、表示学习、知识图谱、无监督学习、半监督学习、弱监督学习、自监督学习简介

多模态学习、迁移学习、元学习、联邦学习、表示学习、知识图谱、无监督学习、半监督学习、弱监督学习、自监督学习简介

weixin_45320238的博客 2085

Codeforces 1176 F Destroy it! —— 记忆化搜索

This way 题意： 现在有n次游戏，每次都会有a[i]张牌，每张牌都会有一个花费和价值，每次游戏你拿的牌的花费不能超过3，当你拿完的时候，剩下的牌就被摧毁掉，并开始下一局游戏。如果你当前拿的牌的数量是10的倍数次，那么你当前这张牌的价值就会*2.问你最终最大价值是多少。 题解： 这种状态固定，并且靠枚举的题目一看就是记忆化搜索了。 那么dp[i][j%10]dp[i][j\%10]dp[i]...

天翼之城的博客 395

SPMI、PMBus、AVSBus：三大电源管理总线对比与选型指南

在现代电子系统中，电源管理是确保高性能与低功耗平衡的核心技术。其原理在于通过数字通信协议，实现电源管理单元（PMIC）与用电芯片间的精准“对话”，从而动态调整供电。这项技术的核心价值在于提升系统能效、增强可靠性并简化设计。其应用场景广泛，从智能手机、服务器到汽车电子无处不在。具体实现上，衍生出了三大主流协议：为移动嵌入式高度集成的SPMI总线、专注于工业标准监控的PMBus总线，以及追求极致实时能效的AVSBus总线。理解SPMI在复杂时序控制与PMBus在标准化配置方面的异同，是进行电源架构选型与调试的关

ithome 457

Codeforces Round #565 (Div. 3) F.Destroy it!

题目地址：http://codeforces.com/contest/1176/problem/F 思路：其实就是一个01背包问题，只是添加了回合和每回合的01限制，和每当已用牌数到了10的倍数，那张卡会触发double攻击。 因为卡使用的多少会触发double效果，所以我们要记录攻击的同时记录卡的使用次数，可以由01背包dp[N][N]改变， 第一个维度是当前是第几个回合，第二...

weixin_30480075的博客 121

f2fs学习笔记 - 3. F2FS文件系统布局

目录1.前言2.F2FS布局说明2.1. super block(block 0x0 ~ block 0x1ff)2.2 CP(block 0x200 ~ block 0x5ff)cp page1nat journalsit journaldata summarycurrent hot node summarycurrent warm node summarycurrent cold node summarycp page22nd checkpoint2.3 SIT(block 0x600 ~ block

HZero 4645

CTF实战：从ECDSA签名漏洞到flag获取

本文详细解析了ECDSA签名算法在CTF比赛中的实战应用，重点探讨了随机数重用和参数泄露等常见漏洞。通过PWNHUB六月赛的例题，展示了如何从签名数据中恢复私钥并获取flag，同时提供了防御措施和实战技巧，帮助参赛者提升解题能力。

weixin_42706667的博客 277

Destroy it!

https://codeforces.com/contest/1176/problem/F

无限迭代中...... 633

生成式深度学习(第二版)-第一章-Conda环境下TensorFlow和Keras的安装和配置

按照书籍中的代码运行提示，需要配置Docker。个人的机器上正好有 conda4.14.0，索性就在本地环境进行配置。

GarryWang1248的博客 398

Servlet之 destroy

只听说过 Servlet 何时 init()，何时 service()，却没有仔细想过何时被 destroy() ____________________________________________________________________ [url=http://stackoverflow.com/questions/24832470]When exactly a se...

iteye_3352的博客 391

【本体】Protege高效批量导入实例(Individuals)的自动化实践

本文详细介绍了在Protege中高效批量导入实例(Individuals)的自动化实践方法。通过分析Protege本体文件结构，提供Python脚本示例，帮助用户快速处理大规模数据导入，显著提升知识图谱构建效率。特别适合需要处理数千个实例的医疗、制药等领域应用。

weixin_30275415的博客 408

基于 YOLO + SAM 的自动图像标注实战

摘要： 本文提出一种基于YOLO检测和SAM分割的自动化数据标注流水线方案，通过YOLO定位目标并生成检测框，再以检测框为提示驱动SAM完成精细分割，最终输出YOLO格式的标注文件。该方案将人工标注升级为半自动流程，显著提升标注效率，尤其适用于多类别、大规模图像的实例级标注需求。代码模块化设计支持模型灵活替换，并集成异常处理与进度可视化功能。虽依赖YOLO检测质量且对小目标存在局限，但作为工程落地方案，可有效降低私有数据集构建成本，适用于工业检测、遥感等场景的冷启动标注。

qq_64366203的博客 1149

模型的学习方式-迁移学习、多任务学习、小样本学习、元学习

模型学习方式相关

Matt_sh的博客 7648

Kubeflow系统性学习教程：从入门到高级实践

Kubeflow学习教程摘要（150字）： Kubeflow是基于Kubernetes的云原生MLOps平台，提供端到端机器学习解决方案。核心功能包括Jupyter Notebooks开发环境、Pipelines工作流编排、分布式训练支持和模型服务部署。教程采用三阶段学习路径：初学者搭建Kind集群体验Notebooks；中级开发自定义Pipeline组件；高级实现企业级应用。通过容器化和K8s CRD深度集成，解决环境一致性、实验跟踪和资源调度等MLOps痛点，相比MLflow/Airflow更适合大规模

自可乐的博客 888

监督学习、半监督学习、无监督学习、自监督学习、强化学习和对比学习

监督学习、半监督学习、无监督学习、自监督学习、强化学习和对比学习

云隐雾匿的博客 1万+

基于Mask-RCNN网络的书架图书书脊分割和检测（含代码）

图书馆的书架上的图书书脊分割/检测对于图书书名等信息的识别具有重要意义，因此，该博客基于Mask-RCNN网络实现了图书书脊的分割和检测，有利于进一步利用ocr文字识别技术实现图书书名等信息的入库。如下图所示，为书架原始数据和分割/检测后的结果。（本文已训练模型，无需训练）

qq_44619530的博客 2025

迈瑞BS系列全自动生化分析仪LIS协议接口手册(内含HL7和ASTM)

迈瑞BS系列全自动生化分析仪LIS协议接口手册，内含HL7和ASTM)

学习深度学习是否要先学习机器学习？

不管你后面是不是真的想要从事机器学习或者深度学习这方面，我都希望你能有时间去学习的时候，多多的了解一下 AI 技术 ，还是那句话，时间紧的情况下，怎么快速的为目标服务是最重要的，先学对自己有用自己需要的内容。就比如我给计算机一些动物的图片，然后告诉计算机哪个是老虎，哪个是狮子，计算机根据我给出的“图片和答案的特征”去学习“老虎为什么是老虎，狮子为什么是狮子”。这三部分看着挺唬人，其实只需要学习需要的内容，如果你的时间稍微宽裕一点，可以花一个半月左右的时间，如果时间紧，那就压在一个月以内一鼓作气的搞定。

2501_91695603的博客 3333

TMS_WebGMaps_1.9.8.0_Full_Source

TMS_WebGMaps_1.9.8.0_Full_Source 全源码 delphi cbuilder

机器学习、深度学习、强化学习、迁移学习的关联与区别

Hi，大家好，我是半亩花海。本文主要了解并初步探究机器学习、深度学习、强化学习、迁移学习的关系与区别，通过清晰直观的关系图展现出四种“学习”之间的关系。虽然这四种“学习”方法在理论和应用上存在着一定的区别，但它们之间也存在交叉和重叠，有时候也会结合使用来解决实际问题。

沉思默想，深度学习，半亩星河半亩月，半亩花海半亩云。 1万+

文档：亲测可用解决vnc灰屏，黑屏，鼠标大黑叉情况

主要解决vnc-viewer灰屏，黑屏，鼠标大黑叉等现象，详细见文档。

efm32 入门.pdf

本PDF共计22页，介绍的是操作驱动API，下载与否自己斟酌。

【机器学习】学习率

学习率（Learning Rate）是深度学习中的关键超参数，控制模型参数在每次更新时移动的步长。学习率过大可能导致模型发散或震荡，过小则可能导致收敛缓慢或陷入局部最优。选择合适的学习率能够加快训练速度并提高模型的性能。常见的学习率调整策略包括学习率衰减、指数衰减、余弦退火等。此外，使用自适应优化器如Adam或RMSprop也能动态调整学习率，适应不同的训练需求。

fzy2003的博客 9994

我们如何学习：学会学习再学习

我们如何学习：学会学习再学习学习方法人和人学习能力的差距在哪里？快速学习学习动力激发好奇心不谈兴趣，聘请自己人生只如初见：百学不腻重新定义心理建设进步回路：成为正能量本身：在任何情况下都能支持自己，鼓励自己断然行动：唯有立刻行动，担负起自己的责任，能斩断一切乱七八糟的想法。肯定宣言：我是要成为海贼王的男人，海贼王我当定了   学习方法 文科：刻意模仿，反复练习。 直奔大师，可以从自己喜欢的地方开始，不必从零开始。 比如林语堂先生说：学习英语唯一的正轨，不出仿效与熟诵；仿效即整句的仿效，熟.

Debroon 4873

机器学习的五大分类，监督学习 无监督学习 半监督学习 迁移学习 增强学习

监督学习 无监督学习 半监督学习@监督学习 无监督学习 半监督学习 监督学习 在监督学习中，给定一组数据，我们知道正确的输出结果应该是什么样子，并且知道在输入和输出之间有着一个特定的关系。 监督学习分类 回归（regression）和分类（classification）。 在回归问题中，我们会预测一个连续值。也就是说我们试图将输入变量和输出用一个连续函数对应起来；比如通过房地产市场的数据，预测一个...

tanglixin0223的博客 9433

元学习案例（学习如何学习）

因此，“元”在元学习中指的是一种高层次的学习过程，强调的是从多个任务中提取通用的知识和策略，以便在新任务上能够快速适应和表现良好。这种“超越”的概念使得元学习成为现代机器学习中一个重要的研究方向，特别是在面对样本稀缺或任务多样化的情况下。任务1：区分猫和狗任务2：区分汽车和自行车任务3：区分苹果和橙子我们希望模型可以通过元学习，在看到一个新任务（比如“区分熊猫和老虎”）时，仅使用少量数据（如每类1-5张图片）就能快速学会这个新任务。

Python领域优质萌新学习笔记 2082

自监督学习之对比学习

对比学习一般是自监督学习的一种方式 什么是自监督学习 自监督学习主要是利用辅助任务（pretext）从大规模的无监督数据中挖掘自身的监督信息，通过这种构造的监督信息对网络进行训练，从而可以学习到对下游任务有价值的表征。（也就是说自监督学习的监督信息不是人工标注的，而是算法在大规模无监督数据中自动构造监督信息，来进行监督学习或训练。因此，大多数时候，我们称之为无监督预训练方法或无监督学习方法，严格上讲，他应该叫自监督学习）。 　　原文作者：自编码器个人认为可以算作无监督学习，也可以算作自监督学.

jzwei023的博客 6721

Python机器学习学习线路

Python机器学习学习线路是一个循序渐进的过程，需要您不断积累知识和实践经验。通过掌握基础知识、学习机器学习基本方法和高级技术，以及参与实践项目，您将逐渐成为一名合格的机器学习工程师。希望本文能为您的Python机器学习学习之路提供有益的指导。

努力让自己发光，对的人才能迎着光而来 10万+

【学习方法】“ 视觉空间学习者 “ 学习方法推荐 ( 视觉空间学习者 与 听觉顺序学习者 | 学习过程 | 无效学习 | 学校学习弊端 | 视觉空间学习者 - 学习方法推荐 )

一、 视觉空间学习者 与 听觉顺序学习者 1、视觉空间学习者 2、听觉顺序学习者 二、 视觉空间学习者 - 学习方法 1、视觉空间学习者 - 学习过程 2、视觉空间学习者 - 无效学习 3、视觉空间学习者 - 学校学习弊端 4、视觉空间学习者 - 学习方法推荐

让 学习 成为一种 习惯 ( 韩曙亮 の 技术博客 ) 4926

终于清楚了！机器学习、深度学习、强化学习、迁移学习、集成学习和关联规则学习大解析

简单来说，机器学习就是让计算机通过数据来学习，而不是直接告诉它该怎么做。就像我们人类一样，不是每件事都需要别人告诉我们怎么做，有时候我们通过观察和实践就能学会。

youmaob的博客 3020
下一篇： 黑脸
点赞 0
评论 0
书签 书签 0
destroy_it
destroy_it
博客等级 码龄17年 0粉丝 2原创
+ 关注
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值