- 博客(75)
- 资源 (1)
- 收藏
- 关注
RSS订阅
原创 利用RT-Thread与MQTT实现的毕业设计——智慧班车管理系统的设计与实现实录
利用RT-Thread与MQTT协议完成的一个简单的物联网数据采集项目
2023-06-01 23:43:45
718
1
原创 手动构建Tool Calling Agent（实时互联网信息检索、查询天气、根据IP地址查询对应的地理位置信息）
定义图的状态模式messages: Annotated[list[AnyMessage],operator.add] # 这里也可以使用MessageGraph作为它的状态传递也是可以的# 这里打印一下使用Pydantic格式化输出以后的用户问题"num": 1,})data = json.loads(response.text) # 将返回的JSON字符串转换成字典。
2025-04-08 10:16:21
340
原创 LangGraph中的Tool Calling Agent的集成（包括：实时信息查询、根据IP地址查询位置、查询天气）
class SearchQuery(BaseModel): # BaseModel===>格式化输出# 这里打印一下使用Pydantic格式化输出以后的用户问题"num": 1,})'X-API-KEY': 'xxxxxx', # 这里需要传入API KEYdata = json.loads(response.text) # 将返回的JSON字符串转换成字典。
2025-04-07 12:12:41
281
原创 【论文阅读】Natural Language-centered Inference Network for Multi-modal Fake News Detection（虚假新闻检测新数据集）
网络上图文并茂的假新闻泛滥，引发广泛关注。现有研究在跨模态信息交互与融合方面做出了重要贡献，但未能从根本上解决新闻图像、文本以及与新闻相关的外部知识表示之间的模态鸿沟。在本文中，我们提出了一种新颖的以自然语言为中心的推理网络（NLIN），通过将多模态新闻内容与自然语言空间对齐，并引入编码器解码器架构来充分理解上下文中的新闻，用于多模态假新闻检测。具体来说，我们首先通过将新闻图像和与新闻相关的外部知识转换为纯文本内容，将多模态新闻内容统一为文本模态。然后，我们设计了一个。
2024-11-26 23:08:34
1589
3
原创 【论文阅读】通过使用实体增强框架融合多种多模态线索来改进假新闻检测
最近，带有文本和图像的假新闻比纯文本假新闻实现了更有效的传播，引发了多模态假新闻检测的严重问题。 目前关于这个问题的研究对开发多模态模型做出了重大贡献，但在充分建模多模态内容方面存在缺陷。 他们中的大多数只是**初步建模图像的基本语义作为文本的补充**，这限制了它们的检测性能。 在本文中，我们发现多模态假新闻中三种有价值的文本-图像相关性：实体不一致、相互增强和文本互补。 为了有效地捕获这些多模态线索，我们创新性地提取视觉实体（例如名人和地标）来理解图像中与新闻相关的高级语义，然后借助视觉实体对多模态实体的
2024-08-30 17:09:42
1646
2
原创 [Information Sciences 2023]用于假新闻检测的相似性感知多模态提示学习
假新闻检测的标准范式依赖于利用文本信息来建模新闻的真实性。然而，网络假新闻的微妙本质使得仅仅依靠文本信息进行揭穿具有挑战性。近年来针对多模态假新闻检测的研究表明了该方法与纯文本检测方法同样具有优越的性能，从而建立了检测假新闻的新范式。然而，这种范例可能需要大量的训练实例或更新整套预训练的模型参数。此外，现有的多模态方法通常集成跨模态特征，而不考虑来自不相关语义表示的可能引入的噪声。此外，现有的多模态方法通常集成跨模态特征，而不考虑来自不相关语义表示的潜在噪声引入。
2024-07-02 17:25:20
1087
原创 GPT-5的到来~
IT之家6月22日消息，在美国达特茅斯工程学院周四公布的采访中，OpenAI首席技术官米拉·穆拉蒂被问及GPT-5是否会在明年发布，给出了肯定答案并表示将在一年半后发布。此外，穆拉蒂在采访中还把GPT-4到GPT-5的飞跃描述为高中生到博士生的成长。“像 GPT-4 这样的系统则更像是聪明的高中生智力水平，在接下来的几年里，我们期待在特定任务上达到博士的智力水平。事情正在飞速变化、改善。
2024-06-26 21:46:33
708
原创 （一篇Blog证明还在地球）论文精读：基于CLIP引导学习的多模态虚假新闻检测
对于多模态 FND，我们重点关注同时包含文本和图像的样本。设每个样本为XXTxtXImagXXTxtXImag。将真实标签表示为yyy。当y0y=0y0时，xxx为真新闻，否则为假新闻。首先从$ x_{Txt}$ 和xImgx_{Img}xImg中提取丰富的特征集。然后将这些特征融合并投影为y\hat{y}y的单个值，即real或者fake。该过程如（1）所示，其中FTxtF_{Txt}FTxt。
2024-06-18 22:16:11
1374
原创 本地连接服务器Jupyter【简略版】
这里可能会报错缺少libffi.so.7的文件，我把这个文件直接放到资源里了，可以直接下载使用，或者你在服务器别人的环境中的Lib中找到后复制到你的虚拟环境中的Lib文件夹中即可。就可以直接跳转过去了，进去后需要输入刚才设定的密码。完成上述操作后打开本地Powershell，输入。
2024-05-08 21:07:37
657
原创 自定义collate_fn函数：应对报错RuntimeError: stack expects each tensor to be equal size
踩坑记录。。。。。
2024-03-25 21:05:31
1070
1
原创 如何将npy数据加载到DataLoader中（应对已将特征保存为npy格式的情况）- 接续PLM后的数据加载
【代码】如何将npy数据加载到DataLoader中（应对已将特征保存为npy格式的情况）- 接续PLM后的数据加载。
2024-03-04 16:58:00
604
原创 关于MediaEval数据集的Dataset构建（Image部分-使用预训练VGG19）
【代码】关于MediaEval数据集的Dataset构建（Image部分-使用PLM VGG19）
2024-03-04 16:47:43
584
1
原创 关于MediaEval数据集的Dataset构建（Text部分-使用PLM BERT）
【代码】关于MediaEval数据集的Dataset构建（Text部分-使用PLM BERT）
2024-03-03 21:48:26
843
1
原创 ICML 2023 | 可证明的动态多模态融合框架论文整理
多模态融合的内在挑战是精确地捕获跨模态相关性并灵活地进行跨模态交互。为了充分释放每种模态的价值，减轻低质量多模态数据的影响，动态多模态融合成为一种有前途的学习范式。尽管它被广泛使用，在这一领域的理论依据仍然显着缺乏。我们能设计一个可证明鲁棒的多模态融合方法吗？本文从泛化的角度，在一个最流行的多模态融合框架下，为回答这个问题提供了理论上的理解。我们继续揭示，几个不确定性估计解决方案是自然可实现强大的多模态融合。
2024-02-28 20:00:41
4595
1
原创 泛化理论部分笔记
我们的最终目标是训练一个测试损失(总体损失population loss)较小的模型。但是，我们只在训练集上对模型进行训练，训练损失很小。那么小的训练损失是否适用于测试集？
2024-02-22 11:29:32
1459
原创 基于改进YOLOv7的绝缘子缺陷检测算法
实验结果表明，我们的模型的平均精度为93.8%，比Faster R-CNN模型，YOLOv 7模型和YOLOv 5s模型分别高7.6%，3.7%和4%。所提出的YOLOv 7模型可以。
2023-12-20 20:24:19
3812
原创 由R-CNN到Faster R-CNN理论知识（全图片展示）
经过R-CNN和Fast RCNN的积淀，Ross B. Girshick在2016年提出了新的Faster RCNN，在结构上，Faster RCNN已经将特征抽取(feature extraction)，proposal提取，bounding box regression(rect refine)，classification都整合在了一个网络中，使得综合性能有较大提高，在检测速度方面尤为明显。
2023-12-12 17:19:28
148
1
原创 使用Pytorch实现VGGNet（含VGGNet特征整理）
卷积层直接使用传入的结构，后面有专门构建这部分的内容# 定义全连接层# 全连接层+ReLU+Dropout# 全连接层 + ReLU + Dropoutnn.ReLU(inplace=True), # inplace = True ,会改变输入数据的值,节省反复申请与释放内存的空间与时间,只是将原来的地址传递,效率更好# 全连接层# 定义前向传播函数# 先经过feature提取特征，flatten后送入全连接层return x。
2023-12-10 20:40:27
414
原创 Game-On论文阅读
社交媒体在当今时代有着越来越大的影响力。在这些平台上传播的假新闻对我们的生活产生了破坏性和破坏性的影响。此外，由于多媒体内容比文本数据更能提高帖子的可见性，因此已经观察到多媒体经常被用于创建虚假内容。大量以前的多模态工作试图解决在识别虚假内容时对异构模态进行建模的问题。然而，这些工作有以下局限性：(1)在模型的后期阶段，通过在模态上使用简单的连接运算符来对模态间关系进行低效编码，这可能导致信息丢失;（2）在小而复杂的现实生活中的多模态数据集上训练具有非常深的神经网络，且它具有不成比例数量的参数，这导致。
2023-12-05 19:46:04
359
7
原创 DGL的图数据处理管道
编写完以上代码后，就可以使用下面的方式使用定义的import dgl# 数据导入# 创建 dataloaders# 训练# 用户自己的训练代码pass下面中使用的子类# 导入数据# 获取划分的掩码# 获取节点特征# 获取标签# 导入数据# 获取训练集掩码# 获取训练集中的边类型。
2023-11-25 14:37:22
220
原创 DGL在异构图上进行消息传递
异构图是包含不同类型的节点和边的图。不同类型的节点和边常常具有不同类型的属性。这些属性旨在刻画每一种节点和边的特征。在使用图神经网络时，根据其复杂性， 可能需要使用不同维度的表示来对不同类型的节点和边进行建模。还接受一个字符串来表示跨类型整合函数，来指定。这个字典的每一个键值对里，
2023-11-21 15:31:28
185
原创 利用小批量训练的方法在子图中进行消息传递
如果用户只想更新图中的部分节点，可以先通过想要囊括的节点编号创建一个子图， 然后在子图上调用。同时也可以在大图中使用随机（批次）训练。
2023-11-20 21:19:12
100
原创 编写高效的消息传递代码-对消息进行降维
除此之外，考虑到某些图边的数量远远大于节点的数量，DGL建议避免不必要的从点到边的内存拷贝。对于某些情况，比如 GATConv，计算必须在边上保存消息， 那么用户就需要调用基于内置函数的。建议的实现是将线性操作分成两部分，一个应用于 源 节点特征，另一个应用于 目标 节点特征。在最后一个阶段，在边上将以上两部分线性操作的结果相加，即执行。该做法执行以下操作：拼接 源 节点和 目标 节点特征， 然后应用一个线性层，即。有时边上的消息可能是高维的，这会非常消耗内存。， 从内存角度来说是高效的。
2023-11-20 21:12:52
466
原创 DGL如何表征一张图
DGL 将有向图表示为一个 DGL 图对象。图中的节点编号连续，从0开始。我们一般通过指定图中的节点数，以及源节点和目标节点的列表，来构建这么一个图。下面的代码构造了一个图，这个图有五个叶子节点。中心节点的 ID 为 0，边从中心节点出发，指向众多的叶子节点。在这个图中，边具有从0开始且连续的ID。并且在创建的过程中，。换句话说，我们在创建 g 的时候，并不需要特地指定边，而是直接通过起始点列表，也就是 [0, 0, 0, 0, 0] 和 目标点列表 [1, 2, 3, 4, 5] 来自动生成边。
2023-11-14 13:40:37
252
原创 【动手学深度学习-Pytorch版】BERT预测系列——用于预测的BERT数据集
【代码】【动手学深度学习-Pytorch版】BERT预测系列——用于预测的BERT数据集。
2023-10-12 18:49:47
950
原创 【动手学深度学习-Pytorch版】BERT预测系列——BERTModel
【代码】【动手学深度学习-Pytorch版】BERT预测系列——BERTModel。
2023-10-12 18:42:34
1356
转载 【转载】Transformer模型详解（图解最完整版）
Transformer由论文《Attention is All You Need》提出，现在是谷歌云TPU推荐的参考模型。论文相关的Tensorflow的代码可以从GitHub获取，其作为Tensor2Tensor包的一部分。哈佛的NLP团队也实现了一个基于PyTorch的版本，并注释该论文。在本文中，我们将试图把模型简化一点，并逐一介绍里面的核心概念，希望让普通读者也能轻易理解。Transformer 与 RNN 不同，可以比较好地并行训练。
2023-10-01 12:25:04
417
原创 【动手学深度学习-Pytorch版】注意力汇聚：Nadaraya-Watson 核回归
该模型中直接使用的是上述提到的核，同时在进入模型初始化函数中，查询的初始化大小为测试数据输入大小，而键与值是成对出现的，所以两者大小是相同的。后面将查询的大小更改成(查询个数，“键-值”对数)，注意力权重也是该形状。"""定义模型"""# w控制的是高斯核的窗口大小，可以通过W控制曲线平滑一点或者不平滑# queries和attention_weights的形状为(查询个数，“键-值”对数)# attention的形状也是(查询个数，“键-值”对个数)
2023-09-24 16:14:00
589
强化学习第二节课笔记（数学原理）
2024-08-23
ICML 2023 - 可证明的动态多模态融合框架论文对应代码整理
2024-02-28
多模态虚假新闻检测的模态间和模态内不确定性建模
2024-01-19
Faster R-CNN理论整理
2023-12-12
HuggingFace中文情感分类代码
2023-11-23
GAME-ON模型（搬运工，原论文见描述）
2023-11-11
基于RT-Thread与MQTT的智慧班车管理系统的设计与实现
2023-09-18
d2l的离线轮子安装包
2023-09-12
d2l中的torch模块
2023-09-12
微信小程序实现地图到达目的地提醒
2023-04-16
TA创建的收藏夹 TA关注的收藏夹
TA关注的人