- 博客(9)
- 收藏
- 关注
原创 一些琐碎Linux
1、不同服务器之间远程传输文件 首先想到的是linux下的rsync,它可以在本地和远程两个主机之间进行同步,也可以对本地文件进行拷贝。 (eg:from 3091 to 3090) 对于非home路径,比如想传输hdd2下面的文件,此时需要先建立一个home下文件夹的软链接,然后进行传输 a.在3090上 ln -s /hdd2/test /home/test b.在3091上 rsync -avP -e "ssh -p 端口号" /hdd2/xj/test/ 3090用户名@3090主机..
2022-05-25 10:48:41
166
原创 一些琐碎概念
对比损失:CVPR2021自监督学习论文: 理解对比损失的性质以及温度系数的作用 - 知乎 Contrastive Loss中参数τ的理解 - mathor Knowledge Distillation: Logits蒸馏和Feature 蒸馏(64条消息) PSPNet logits 蒸馏和特征蒸馏_asaander的博客-优快云博客_特征蒸馏 .........
2022-03-03 10:47:13
3522
原创 896. 单调数列
题目 如果数组是单调递增或单调递减的,那么它是单调的。 如果对于所有 i <= j,A[i] <= A[j],那么数组 A 是单调递增的。 如果对于所有 i <= j,A[i]> = A[j],那么数组 A 是单调递减的。 当给定的数组 A是单调数组时返回 true,否则返回 false。 示例 输入:[1,2,2,3] 输出:true 输入:[6,5,4,4] 输出:true 输入:[1,3,2] 输出:false 输入:[1,2,4,5.
2021-03-01 11:30:29
187
原创 867. 转置矩阵
题目 给你一个二维整数数组matrix,返回matrix的转置矩阵。 矩阵的转置是指将矩阵的主对角线翻转,交换矩阵的行索引与列索引。 示例 输入:matrix = [[1,2,3],[4,5,6],[7,8,9]] 输出:[[1,4,7],[2,5,8],[3,6,9]] 输入:matrix = [[1,2,3],[4,5,6]] 输出:[[1,4],[2,5],[3,6]] 提示: m == matrix.length n == matrix[i].le...
2021-02-27 14:46:57
221
1
原创 832. 翻转图像
题目 给定一个二进制矩阵A,我们想先水平翻转图像,然后反转图像并返回结果。 水平翻转图片就是将图片的每一行都进行翻转,即逆序。例如,水平翻转[1, 1, 0]的结果是[0, 1, 1]。 反转图片的意思是图片中的0全部被1替换,1全部被0替换。例如,反转[0, 1, 1]的结果是[1, 0, 0]。 示例 输入:[[1,1,0],[1,0,1],[0,0,0]] 输出:[[1,0,0],[0,1,0],[1,1,1]] 解释:首先翻转每一行: [[0,1,1],[1...
2021-02-24 13:05:14
155
原创 图像分类:搭建AlexNet并定义加载训练特定数据集
前言 AlexNet模型是2012由Alex等人在ImageNet竞赛中提出,很优秀的机器学习分类的算法。也由此深度学习开始迅速发展,更多更深的神经网络被提出。在对一个简单图像分类任务下手时,我们要考虑到数据集的定义加载,然后搭建模型并对数据集进行训练测试。本文将讲一下其过程和遇到的一些问题。 AlexNet搭建 模型架构 在模型最初被提出时,其结构如下图所示: 该模型主要有以下几个优点: (1)首次利用GPU进行网络加速训练; (2)使用了Relu激活函数(),而不是传统的sigmoid
2020-11-26 17:18:49
1829
1
原创 Word Embedding的学习
Word Embedding的概述: 根据之前对One Hot的介绍,我们发现它不能够表现出词语之间的相似度,因此提出Word Embedding。 首先,我们提一下分布式表示(distributed representation):若干元素的连续表现形式,将词的语义分布式地存储在各个维度中,与之相反的是独热向量(One Hot)。 而Word Embedding(词嵌入)是基于神经网络的分布式表示,也可称之为词向量,是将自然语言表示的单词转换为计算机能够理解的向量或矩阵形式的技术。总的来说,它.
2020-10-20 15:15:52
484
原创 Embedding的理解
Embedding 嵌入,我们可以将其理解为一种降维行为。可以将高维数据映射到低维空间来解决稀疏输入数据的问题。 它主要有以下三个目的: 在 embedding 空间中查找最近邻,这可以很好的用于根据用户的兴趣来进行推荐。 作为监督性学习任务的输入。 用于可视化不同离散变量之间的关系。 此时,我们先介绍一下One Hot编码。这是一种表示离散数据很常见的编码方法,用N位状态寄存器对N个状态进行编码。 编码的第一步是确定编码对象,eg:[“中国”、“美国”、“日本”、“中国”],紧接着确定分类..
2020-10-19 20:46:53
3252
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人
RSS订阅