1. 迁移学习迁移学习( Tranfers Learning)是机器学习的一个分支，只是神经网络太火了，最近研究和神经网络靠。
迁移学习的初衷是节省人工标注样本的时间，让模型可以通过已有的标记数据（source domain data）向未标记数据（target domain data）迁移。换句话说，迁移学习就是把已学训练好的模型参数迁移到新的模型来帮助新模型训练。考虑到大部分数据或任务是存在相
由于测试部需要加强测试过程管理，我们决定将之前使用的TFS 2008系统升级到TFS 2010系统，以配合TFS 2010中Test Manager的使用。升级的方式主要参考微软的官方和一些网上博客的文章，目前在测试环境下已经通过了，现在准备在生产环境下升级。
升级后的优点：
TFS 2010的后台管理
转载
2024-04-22 17:26:07
54阅读
迁移TFS 2012的时候碰到一些问题, 中文记录很少, 英文的记录也比较零散. 这里记录最直接和简单的方法.环境:1. 公司域环境, 所有TFS用户都是公司域帐户.2. TFS从一台服务器转移至另一台服务器. 都加入了公司域. 机器名分别为PC1和PC2. 域内不能有同名的电脑。准备两台服务器的TFS环境最好一模一样, 否则会碰到各种奇怪问题. 我们的环境是 TFS 201
转载
2024-02-27 15:32:16
74阅读
Transfomer详解0 直观理解Transformer 和 LSTM 的最大区别，就是 LSTM 的训练是迭代的、串行的，必须要等当前字处理完，才可以处理下一个字。而 Transformer 的训练时并行的，即所有字是同时训练的，这样就大大增加了计算效率。 Transformer 模型主要分为两大部分，分别是 Encoder 和 Decoder。Encoder 负责把输入（语言序列）隐射成隐藏
转载
2024-08-15 17:47:36
339阅读
LSTM原理CNN卷积神经网络 应用：图像，视频RNN 递归神经网络 应用：NLP1RNN结构one to one比如输入一张图片，它会给我们输出是猫还是狗one to many比如输入一张图片，给出一些列图片描述many to one比如文本分析，给出文本是积极还是消极的many to many (输出 与 输入 不定长)比如 聊天机器人many to many (输入
转载
2024-07-05 08:35:12
59阅读
这是在看了台大李宏毅教授的课程之后的一点总结和感想。本文中所使用的图片均来自于李宏毅教授的课程ppt。本篇博客就是对视频的一些记录加上了一些个人的思考。 一、什么是LSTM 长短期记忆（Long sh
转载
2024-05-16 10:27:01
168阅读
目录一、什么是LSTM?二、LSTM详解 0.什么是门？1. 遗忘门2.输入门3.更新记忆4.输出门一、什么是LSTM?LSTM是RNN的一种，可以解决RNN短时记忆的不足，当一条序列足够长，那RNN将很难将信息从较早的时间步传送到后面的时间步，而LSTM能学习长期依赖的信息，记住较早时间步的信息，因此可以做到联系上下文。比如：1.RNN可以根据前面几个单词有效预测出空白处单词为sky。
转载
2024-05-14 23:07:15
97阅读
最近由于项目需要，需要使用LSTM进行时间序列预测，由此通过这篇文件，回忆并总结下LSTM的一些关键性问题。一、LSTM原理：1、一句话总结LSTM LSTM即是长短期记忆网络2、LSTM中门和时间步门和时间步的概念 -- LSTM的中有四个门，每个门负责是否把短期记忆纳入长期记忆中(或者说负责将短期记忆的某一部分是否纳入长期记忆) -- 每个时
循环神经网络用来处理序列化数据，因此要使用循环神经网络来处理CV领域的问题，首先要考虑将处理对象转换为序列形式的数据。以MNIST数据集为例，其大小为28*28。将该数据序列化。如果将每一个像素点视作一个单元，则每幅图像可以用一个28*28长度的序列来表示，但这种表示过于粗暴，而且缺少一定的语义信息，处理起来也不容易，因此考虑扩大单元大小。可以考虑按照横向或者纵向进行分片，然后按照一定顺序链接起来
转载
2024-06-21 19:54:10
75阅读
一、递归神经网络（RRN） 传统的神经网络，只是在深度上进行多层连接，层与层之间具有连接，但是在同层的内部节点之间没有
原创
2023-02-06 16:41:34
212阅读
一个简单的python版本的复现： TransE 算法是一种用于表示图结构中节点及关系的嵌入表示的算法，可以广泛应用于后续各类基于图谱的任务，如基于知识图谱的推荐算法CFKG利用transE对图谱中的entity及relation进行embedding用于后续的推荐任务。同时TransE算法也是后续改进版的TransD，TransH系列算法的基础。在知识图谱中，一条内容可以表示为一个不可
tensorflow的三种Graph结构：Graph：tensorflow运行会话是在默认的Graph中，包含了各个运算节点和用于计算的张量；GraphDef：将Graph序列化为python代码得到的图，可以理解为一种数据结构，以常量的形式保存Tensor，无法继续训练; ——对应pb文件MetaGraph:将Graph进行序列化，进行模型保存，Tensor以变量形式保存，可以被继续训练（ 通过
转载
2024-04-02 13:04:12
76阅读
随着代码变老，通常有必要对其进行现代化。 有以下动机： 我们找到了一种更好的方法 我们需要出于支持/许可或仅出于最佳实践的原因而更新核心库/技术 我们需要在更现代的基础架构上运行该软件 简而言之，几年前编写的软件很少能完美地在我们现有的平台上运行而无需进行任何修改，这导致了一个有趣的主张： 切勿着手进行一个需要数年才能发布的项目。 到您上线时，它就会过时了！ 以上并非观点
自剪枝神经网络 Simple RNN从理论上来看，具有全局记忆能力，因为T时刻，递归隐层一定记录着时序为1的状态 但由于Gradient Vanish问题，T时刻向前反向传播的Gradient在T-10时刻可能就衰减为0。 从Long-Term退化至Short-Term。 尽管ReLU能够在前馈网络中有效缓解Gradient Vanish，但RNN的深度过深，替换激活函数治标不治本。∣∣∣∏tj
基于迁移成分分析的域适配1.摘要 域适配允许将来自源域的知识迁移到与其不同但相关的目标域。通俗解释是发现一个
转载
2024-04-15 13:28:53
303阅读
smartdenovo源码迁移迁移前准备工作 1、服务器和操作系统正常运行。 2、PC端已经安装SSH远程登录工具。 3、Porting Advisor已在准备好的x86平台环境和鲲鹏平台环境中完成安装并正常运行。 4、待迁移的相关软件包、源代码已准备就绪。迁移步骤 1、利用Porting Advisor的源码迁移功能对获取到的smartdenovo源代码进行扫描，获取其SO库依赖关系、可迁移性、
转载
2024-03-11 11:53:36
90阅读
SYCLomatic开放开发，使开发者自由创建可迁移的异构代码。英特尔发布了一项开源工具，该工具可通过名为SYCLomatic的项目，将代码迁移至SYCL①，这有助于开发者更轻松地将CUDA代码迁移到SYCL和C++，从而加速面向异构架构的跨架构编程。这个开源项目能让开发社区共同协作，以推动SYCL标准的采用，这是将开发者从单个厂商的封闭生态系统中解放出来的关键一步。使用SYCL将代码迁移至C++
转载
2024-04-26 16:25:02
52阅读
一、迁移学习就是把已训练好的模型参数迁移到新的模型来帮助新模型训练。模型的训练与预测：
深度学习的模型可以划分为 训练 和 预测 两个阶段。 训练 分为两种策略：一种是白手起家从头搭建模型进行训练，一种是通过预训练模型进行训练。 预测 相对简单，直接用已经训练好的模型对数据集进行预测即可。优点：1）站在巨人的肩膀上：前人花很大精力训练出来的模型在大概率上会比你自己从零开始搭的模型要强悍，没有必要
在MBD（基于模型的设计）开发中，经常需要用matlab读取表格中的数据进行处理。因此，本文专门研究了一下matlab语言中用于处理Excel表格的两个函数，总结其用法、输入输出变量以及它们的适用场景。 文章目录1 函数1.1 xlsread1.2 readtable2 两个函数的比较2.1 xlsread2.2 readtable3 两个函数的不同的适用场景 1 函数常用的读取Excel表格的函
转载
2024-10-14 15:53:15
135阅读
基于PaddlePaddle的李宏毅机器学习——迁移学习大噶好，我是黄波波。希望能和大家共进步，错误之处恳请指出！百度AI Studio个人主页, 我在AI Studio上获得白银等级，点亮2个徽章，来互关呀~本项目是在飞桨深度学习学院提供的李宏毅-机器学习特训营课程。Abstract本文共分为两大部分：第一部分介绍迁移学习的主要概念以及类型，第二部分是实现迁移学习布置的作业——领域对抗性训练(D
