- 博客(4)
- 收藏
- 关注
RSS订阅原创 文献阅读记录【记录学习过程，持续更新（不定期）】
SC具有以下能力:1.减轻6G网络的无线数据传输负担。2.提高6G网络控制和管理效率。3.利用信息的语义设计有效的网络资源分配方案。在SC中，需要实时共享通信双方的本地知识，以保证对所有信源数据的理解和推理过程能够很好地匹配。在物理传输中，即使在没有句法错误的情况下，如果局部知识不能匹配，就会产生语义噪声，导致语义歧义。对于面向语义的通信，系统的输出是所传输消息的恢复意义。然后，接收者根据接收到的报文的含义进行下一步，但在通信系统的设计中没有考虑这一过程。
2023-12-20 15:30:10
1369
1
翻译 联邦学习框架Flower-快速入门（PyTorch）
在本教程中，我们将学习如何使用 Flower 和 PyTorch 在 CIFAR10 上训练卷积神经网络首先，建议创建一个虚拟环境并在其中运行所有内容。我们的示例由一台服务器和两个具有相同模型的客户端组成。客户端负责根据其本地数据集为模型生成单独的权重更新。然后将这些更新发送到服务器，服务器将聚合它们以生成更好的模型。最后，服务器将此改进版本的模型发送回每个客户端。权重更新的完整周期称为回合。现在我们对正在发生的事情有了大致的了解，让我们开始吧。我们首先需要安装 Flower。
2023-05-09 10:42:21
4599
11
翻译 谷歌原版bert模型tf转pytorch命令
将原始的Bert/GPT/GPT-2/Transformer-XL/XLNet/XLM检查点转换为可以使用库的from_pretrained方法加载的模型。
2022-11-19 16:31:46
640
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人