NOT
zotero 参考文献管理 Ginger 安装
https://www.zotero.org/ Zotero is a free, easy-to-use tool to help you collect, organize, annotate, cite, and share research. https://www.gingersoftwa ......
python pandas.DataFrame.plot( )画图
python pandas.DataFrame.plot( )画图 DataFrame.plot(x=None, y=None, kind='line', ax=None, subplots=False, sharex=None, sharey=False, layout=None,figsize= ......
pytorch中squeeze()和unsqueeze()函数
下面使用一个二维矩阵看下dim不同时呈现出的效果： # 创建一个3*4的全1二维tensor a = torch.ones(3,4) ''' 运行结果 tensor([[1., 1., 1., 1.], [1., 1., 1., 1.], [1., 1., 1., 1.]]) '''在0维度上插入一 ......
TextCNN
TextCNN 一、TextCNN详解1、TextCNN是什么 我们之前提到CNN时，通常会认为属于CV领域，是用于解决计算机视觉方向问题的模型，但是在2014年，Yoon Kim针对CNN的输入层做了一些变形，提出了文本分类模型TextCNN。与传统图像的CNN网络相比，TextCNN 在网络结构 ......
Chinese-Text-Classification-PyTorch
Chinese-Text-Classification Github项目地址： https://github.com/JackHCC/Chinese-Text-Classification-PyTorch 作者：JackHCC 链接：https://www.jianshu.com/p/9438fd0 ......
'ProxyError('Cannot connect to proxy.', NewConnectionError
Microsoft Visual C++ Redistributable is not installed, this may lead to the DLL load failure. It can be downloaded at https://aka.ms/vs/16/release/vc_ ......
池化
将第一层卷积层和最末层权值乘以负一，除最末层的所有偏置量也都乘以负一，这样的话，你把所有最大池化改成最小池化，结果一模一样。说明最大池化和最小池化的解空间是相等的。 用最大池化是前辈们的习惯，你如果硬生生要用最小池化也无妨。 补充：这里我也有说的不是很严谨的地方。最大池化和最小池化解空间一样仅仅针对 ......
Django -常用配置python manage.py runserver ip:port
修改django启动时绑定的IP和端口 python manage.py runserver IP:port 例如： python manage.py runserver 192.168.1.100:8088 python–django项目如何设置用自己的iP地址访问项目 1、首先需要执行>mana ......
注意力机制的网络
可以用下面这张图大致理解注意力层和卷积层以及全连接层的主要区别。右边分别是全局注意力层和局部注意力层，最典型的自注意力可以认为是局部注意力的一种。注意力层中的连线颜色表明这些权重在不断变化，而在卷积层和全连接层中它们通过梯度下降缓慢变化。 在神经网络中，注意力机制的计算公式通常是这样的： 其中， 表 ......
A Visual Guide to Using BERT for the First Time
https://jalammar.github.io/a-visual-guide-to-using-bert-for-the-first-time/ A Visual Guide to Using BERT for the First Time Translations: Chinese, Kor ......
自然语言处理的词法分析、句法分析、语义分析
现在我们使用计算机时，用的大多数都是计算机的高级语言，编制程序来告诉计算机“做什么”，怎么做的。对计算机的利用带来了诸多不便，也严重影响了计算机应用的进一步推广。理解自然语言，也可以称为自然语言的处理，语言虽然表示成一连串文字符号或一连串声音流，但内部其实是一个层次化的结构，从语言的构成中就可以清楚 ......
时序数据预测
https://paperswithcode.com/sota/time-series-forecasting-on-etth2-48?p=informer-beyond-efficient-transformer-for 时序数据预测 https://colab.research.google.c ......
Vali Loss: nan Test Loss: nan
Vali Loss: nan Test Loss: nan Training loss is decreasing while validation loss is NaN https://discuss.pytorch.org/t/training-loss-is-decreasing-while ......
informer自定义数据集
目录informer相关模型数据集划分模型参数跑通自定义数据集预测结果可视化informer相关 论文：https://arxiv.org/abs/2012.07436 感谢论文作者对AI科学做出的贡献，才能像我这种普通人能有机会接触这么nice的文章。作者的github：GitHub - zhou ......
.NET Core使用SkiaSharp快速生成二维码（ 真正跨平台方案）
前言 在.NET 6之前我们一直是使用QRCoder来生成二维码（QRCoder是一个非常强大的生成二维码的组件，用到了System.Drawing.Common 包），然后从.NET 6开始，当为非 Windows 操作系统编译引用代码时，平台分析器会发出编译时警告。异常如下： System.Ty ......
Go 语言高级网络编程
Go 语言高级网络编程 原创 Slagga 技术的游戏 2023-10-07 14:37 发表于广东 收录于合集#Golang60个 深入探讨 Go 语言的网络编程 img 简介 Go（Golang）中的网络编程具有易用性、强大性和乐趣。本指南深入探讨了网络编程的复杂性，涵盖了协议、TCP/UDP ......
针对Informer中时序数据ETT油温数据分析
针对Informer中时序数据ETT油温数据分析针对Informer中时序数据ETT油温数据分析 油温数据介绍 数据问题介绍 数据分析油温数据介绍电力变压器油温数据，由国家电网提供，该数据集是来自中国同一个省的两个不同县的变压器数据，时间跨度为2年，原始数据每分钟记录一次（用 m 标记），每个数据集 ......
autoformer 非周期性的数据
https://openreview.net/forum?id=J4gRj6d5Qm Q1: For time series without clear periodicity, whether Auto-Correlation still works or not? In Table 3 of m ......
DLinear 非周期性数据
Our results show that DLinear outperforms existing complex Transformer-based models in most cases by a large margin. In particular, for the Exchange-R ......
Informer模型与基础学习
https://blog.csdn.net/weixin_44790306/article/details/124064177 摘要本周一是对Informer论文的阅读，其关注的问题依然是长时间序列预测问题。也是从self-attention 机制的缺陷出发，做了一些优化于改进工作，像ProbSpa ......
Informer: 一个基于Transformer的效率优化的长时间序列预测模型
Informer: 一个基于Transformer的效率优化的长时间序列预测模型 Informer创新点介绍 ProbSparse self-attention self-attention蒸馏机制 一步Decoder 实验结果 总结 Informer: Beyond Efficient Trans ......
pytorch 计算网络模型的计算量FLOPs和参数量parameter参数数量
参数量方法一：pytorch自带方法，计算模型参数总量 参数量方法二： summary的使用：来自于torchinfo第三方库 参数量方法三： summary的使用：来自于torchsummary第三方库 计算量方法一：thop的使用，输出计算量FLOPs和参数量parameter我们通常要通过计算 ......
informer 各类图示
https://blog.csdn.net/weixin_49967436/article/details/121736079 3.1.Multi-Head Attention(图2-红色圆圈部分，图3-红色长方体) 3.2.Self-sttention Distilling(图2-蓝色圆圈部分，图 ......
Informer原理及代码解析
https://www.bilibili.com/video/BV1m14y1a74s/?spm_id_from=333.337.search-card.all.click&vd_source=6292df769fba3b00eb2ff1859b99d79e ......
pytorch permute
pytorch permute permute(dims)将tensor的维度换位。参数：参数是一系列的整数，代表原来张量的维度。比如三维就有0，1，2这些dimension。例： import torch import numpy as np a=np.array([[[1,2,3],[4,5,6 ......
pytorch transpose
pytorch transpose >>> x = torch.randn(2, 3)>>> xtensor([[ 1.0028, -0.9893, 0.5809], [-0.1669, 0.7299, 0.4942]])>>> torch.transpose(x, 0, 1)tensor([[ 1 ......
soft Exponential activation function
全文 https://ieeexplore.ieee.org/document/7526959 Soft Exponential Activation Function A Soft Exponential Activation Function is a parametric neuron act ......
【题解】AtCoder-ABC323
AtCoder-ABC323A Weak Beats 依题意判断。 提交记录：Submission - AtCoder AtCoder-ABC323B Round-Robin Tournament 依题意排序。 提交记录：Submission - AtCoder AtCoder-ABC323C Wo ......
CSP模拟（50~？）
csp模拟50 异或 疑惑是不是只有我是数位dp 考虑一个数 \(x\) 做出的贡献是这个数抑或上 \(x+1\) 也就是这个数二进制拆分下末尾连续1的长度加 1，所以直接数位dp， \(len\) 表示长度，若这位为1则 \(len+1\) 否则变为 \(0\)。 点击查看代码 #include< ......
GitHub CEO：AI 无法取代程序员
导读 GitHub 首席执行官 Thomas Dohmke 最近在公开场合分享了他对于人工智能和软件开发之间关系的看法。 Thomas Dohmke 认为，在 Copilot 及其相关 Copilot Chat 等辅助工具的推动下，人工智能和软件开发现在已密不可分。 与此同时，他也坚持自己的观点 — ......