01 2019 档案

机器学习前沿03
摘要：AAAI 2019 ｜ 百度、MIT等提出StNet：局部+全局的视频时空联合建模 https://mbd.baidu.com/newspage/data/landingsuper?context=%7B%22nid%22%3A%22news_9304463806637686742%22%7D&n_ 阅读全文
posted @ 2019-01-28 13:44 Lucas_Yu 阅读(164) 评论(0) 推荐(0)
元学习--learn to learn
摘要：谷歌大脑：基于元学习的无监督学习更新规则 阅读全文
posted @ 2019-01-25 22:36 Lucas_Yu 阅读(203) 评论(0) 推荐(0)
机器学习前沿02
摘要：自动机器学习 https://mbd.baidu.com/newspage/data/landingsuper?context=%7B%22nid%22%3A%22news_9244479631915180647%22%7D&n_type=1&p_from=3 卷积网络的综述 https://mbd 阅读全文
posted @ 2019-01-25 19:20 Lucas_Yu 阅读(125) 评论(0) 推荐(0)
机器学习玩法
摘要：1.输入原始数据的选择 2.从特征函数空间中挑选并执行提取过程，怎么挑？按你知道的全域，按照文献，按照专业知识？ 3.从特征对象集中选择出其子集，特征选择方法 发文章的空间也主要在这里啦，学习算法都是调用别人的空间很小 阅读全文
posted @ 2019-01-25 16:45 Lucas_Yu 阅读(123) 评论(0) 推荐(0)
特征选择
摘要：特征选择本质上是特征子集优化，既然是优化自然就有一大堆的优化方法，而优化方法通常无外乎就是几个关键： 1. 新的解的产生方式 2. 解的评价方式 3. 收敛的特性及判断 4. 如何合理构建这个迭代过程 说起选择特征的方式，朗朗上口： 过滤式，包裹式，嵌入式等等。。。 可是大家不要忘了，还有很重的就是 阅读全文
posted @ 2019-01-25 16:04 Lucas_Yu 阅读(111) 评论(0) 推荐(0)
FoG在线预测性能和延迟与窗口大小的关系
摘要：道理大概是这样的，窗口大有利与报准，但是会因此导致一个事件发生之后捂一段时间再爆出，需要采集到更多的相关数据才爆出 延迟的表现是这样子的，直观上是这样的 传暗器的位置和及其轴的搭配对预测性能的影响！ 阅读全文
posted @ 2019-01-25 11:54 Lucas_Yu 阅读(163) 评论(0) 推荐(0)
条件概率融合
摘要：条件概率融合需要更多信息 阅读全文
posted @ 2019-01-25 10:43 Lucas_Yu 阅读(392) 评论(0) 推荐(0)
径向函数，随机映射，SVM, 或者特征提取都是一类策略
摘要：区别在于参数方法和非参数方法，用属性空间或者是样本空间 https://fenix.tecnico.ulisboa.pt/downloadFile/1689468335574541/licao_20.pdf 对比就能明白！对比的目的就是为了归类！ 阅读全文
posted @ 2019-01-24 17:54 Lucas_Yu 阅读(414) 评论(0) 推荐(0)
神经网络结构搜索
摘要：stochastic neural architecture search 随机神经网络结构搜索 深度学习局限何在？图网络的出现并非偶然 神经网络结构的搜索是非常重要的 阅读全文
posted @ 2019-01-24 13:53 Lucas_Yu 阅读(464) 评论(0) 推荐(0)
NetCDF
摘要：NetCDF格式很好地抽象数据对象 编辑 NetCDF格式很好地抽象数据对象 1、变量(Variables)变量对应着真实的物理数据。比如我们家里的电表，每个时刻显示的读数表示用户的到该时刻的耗电量。这个读数值就可以用netcdf里的变量来表示。它是一个以时间为自变量（或者说自变量个数为一维）的单值 阅读全文
posted @ 2019-01-23 23:54 Lucas_Yu 阅读(285) 评论(0) 推荐(0)
你应该看到更多
摘要：某些情境依赖于其背景或设置有意义。如果你碰到某人并大喊“你就是它！” 在标签的游戏中，人们得到它，但如果你在杂货店窃听的肩膀陌生人，他们大喊大叫的时候，它不太上下文。 您可以使用形容词上下文来描述与某个地点相关的内容或者书面文本中的含义。例如，如果有人问您在阅读章节后选择答案的背景原因，那么您将在所 阅读全文
posted @ 2019-01-23 16:45 Lucas_Yu 阅读(114) 评论(0) 推荐(0)
Focal Loss for Dense Object Detection
摘要：Focal Loss for Dense Object Detection 阅读全文
posted @ 2019-01-23 13:46 Lucas_Yu 阅读(99) 评论(0) 推荐(0)
胶囊网络
摘要：https://www.sohu.com/a/226611009_633698 阅读全文
posted @ 2019-01-21 23:02 Lucas_Yu 阅读(131) 评论(0) 推荐(0)
seq2seq模型
摘要：2.经典RNN的seq2seq 3.基于注意力的seq2seq 阅读全文
posted @ 2019-01-21 22:53 Lucas_Yu 阅读(161) 评论(0) 推荐(0)
任总都说了
摘要： 阅读全文
posted @ 2019-01-21 10:03 Lucas_Yu 阅读(85) 评论(0) 推荐(0)
自定义层或模型的一些问题
摘要：https://stackoverflow.com/questions/51806852/cant-save-custom-subclassed-model 阅读全文
posted @ 2019-01-20 14:52 Lucas_Yu 阅读(128) 评论(0) 推荐(0)
长序列处理
摘要：http://philipperemy.github.io/keras-stateful-lstm/ 阅读全文
posted @ 2019-01-18 13:45 Lucas_Yu 阅读(162) 评论(0) 推荐(0)
注意力机制
摘要：http://androidkt.com/text-classification-using-attention-mechanism-in-keras/ https://blog.heuritech.com/2016/01/20/attention-mechanism/ https://www.cn 阅读全文
posted @ 2019-01-18 02:29 Lucas_Yu 阅读(176) 评论(0) 推荐(0)
编码器-解码器模型--本人实现
摘要：编码器-解码器模型简洁实现 阅读全文
posted @ 2019-01-17 15:30 Lucas_Yu 阅读(959) 评论(0) 推荐(0)
Encoder-Decoder 架构实现
摘要：编码器，解码器 阅读全文
posted @ 2019-01-17 10:09 Lucas_Yu 阅读(5160) 评论(0) 推荐(1)
一些数据集
摘要：http://www.manythings.org/anki/ 机器翻译 阅读全文
posted @ 2019-01-16 19:40 Lucas_Yu 阅读(127) 评论(0) 推荐(0)
论文跟踪
摘要：https://baijiahao.baidu.com/s?id=1603773205872715803&wfr=spider&for=pc https://mbd.baidu.com/newspage/data/landingsuper?context=%7B%22nid%22%3A%22news 阅读全文
posted @ 2019-01-16 10:48 Lucas_Yu 阅读(128) 评论(0) 推荐(0)
Densenet 实现
摘要：denseblock 阅读全文
posted @ 2019-01-16 10:29 Lucas_Yu 阅读(216) 评论(0) 推荐(0)
多种卷积网络实现
摘要：https://www.cnblogs.com/skyfsm/p/8451834.html https://towardsdatascience.com/understanding-and-coding-a-resnet-in-keras-446d7ff84d33 https://github.co 阅读全文
posted @ 2019-01-16 02:07 Lucas_Yu 阅读(209) 评论(0) 推荐(0)
卷积网络的对照比较
摘要：主要是三类 plain net , googlenet ,resnet https://www.jeremyjordan.me/convnet-architectures/ https://cv-tricks.com/cnn/understand-resnet-alexnet-vgg-incepti 阅读全文
posted @ 2019-01-16 01:32 Lucas_Yu 阅读(264) 评论(0) 推荐(0)
Googlenet
摘要：ILSVRC 2014 取得了最好的成绩的 GoogLeNet，及其核心结构—— Inception 这个结构与Google将网络弄深弄宽的做法一致。 Inception变宽了。 阅读全文
posted @ 2019-01-16 01:16 Lucas_Yu 阅读(274) 评论(0) 推荐(0)
VGGNet 展示
摘要：VGG与 AlexNet 主要结构没有太大变化，无非就是由多个stage（卷积池化） 组成。 作者尝试了比较多的结构哦 阅读全文
posted @ 2019-01-16 01:01 Lucas_Yu 阅读(243) 评论(0) 推荐(0)
AlexNet 正确展示
摘要：LeNet-5 , AlexNet, VGG 都符合的结构都符合正则表达式: 输入层 >(卷积层+ >池化层？)+ -->全连接层+ 实在看不过去，许多图画的真不咋的，对于许多人具有误导性，画好一张图需要一定的素养，特别是画给别人看时。 下面拿来几张图从不同的角度来展示AlexNet。 1. Ale 阅读全文
posted @ 2019-01-16 00:39 Lucas_Yu 阅读(227) 评论(0) 推荐(0)
Resnet 残差网络及其变体
摘要：残差网络 阅读全文
posted @ 2019-01-15 18:18 Lucas_Yu 阅读(695) 评论(0) 推荐(0)
GLU的讨论
摘要：https://zhuanlan.zhihu.com/p/27084042 阅读全文
posted @ 2019-01-14 21:21 Lucas_Yu 阅读(108) 评论(0) 推荐(0)
Transformer结构关注
摘要：放弃幻想，全面拥抱Transformer：自然语言处理三大特征抽取器（CNN/RNN/TF）比较 阅读全文
posted @ 2019-01-14 21:14 Lucas_Yu 阅读(181) 评论(0) 推荐(0)
TensorFlow使用细节 NO1
摘要：neirhttps://zhuanlan.zhihu.com/p/42417456 https://stackoverflow.com/questions/47781375/tensorflow-dataset-shuffle-large-dataset?rq=1 https://github.co 阅读全文
posted @ 2019-01-13 01:01 Lucas_Yu 阅读(183) 评论(0) 推荐(0)
tensorflow的keras实现搭配dataset 之二
摘要：tensorflow的keras实现搭配dataset,几种形式都工作！ 讨论 tensorflow的keras 函数式，而不去讨论原生keras的，因为原生的keras的与dataset的搭配不好！ 定义函数模型的方式有两种，其中一种能让原生的keras与dataset很好工作，另一种不能；本文讨论 tensorflow的keras与dataset花式搭配，感觉好自由哦！ 阅读全文
posted @ 2019-01-11 19:35 Lucas_Yu 阅读(3771) 评论(0) 推荐(0)
tensorflow的keras实现搭配dataset 之一
摘要：tensorflow,keras Sequential模式 阅读全文
posted @ 2019-01-11 18:38 Lucas_Yu 阅读(1931) 评论(0) 推荐(0)
tensorflow的keras 与 原生keras几点比较
摘要：tensorflow的keras 与 原声keras几点比较，不是全面的比较，因为只是就使用时候发现的差异！ 阅读全文
posted @ 2019-01-11 16:12 Lucas_Yu 阅读(1855) 评论(0) 推荐(0)
如何向Keras的层喂入数据
摘要：在tensorflow中使用占位符placeholder即可向模型中喂入数据执行前向计算； 在Keras如何办到呢？Keras的每个层都是callable对象，根据签名知道层都接收 张量（可以是占位的也可以是实际带值的张量），所以想其中喂入张量即可，所以只要创建张量即可！ 方法有二：直接使用kera 阅读全文
posted @ 2019-01-10 23:33 Lucas_Yu 阅读(623) 评论(0) 推荐(0)
Python对象序列化写入文件对象
摘要：Python对象序列化写入文件对象 阅读全文
posted @ 2019-01-09 01:02 Lucas_Yu 阅读(2064) 评论(0) 推荐(0)
关于Ipython较为系统的介绍了
摘要：https://ipython-books.github.io/ 阅读全文
posted @ 2019-01-08 22:05 Lucas_Yu 阅读(142) 评论(0) 推荐(0)
spark 与 mpi 关系
摘要：https://www.dursi.ca/post/hpc-is-dying-and-mpi-is-killing-it.html：这算是对MPI的重炮轰击了！ https://www.dursi.ca/post/in-praise-of-mpi-collectives-and-mpi-io.htm 阅读全文
posted @ 2019-01-08 18:44 Lucas_Yu 阅读(1033) 评论(0) 推荐(0)
benchm-ml 吐槽 spark大数据
摘要：摘要 截至2018年1月： 当我在2015年3月开始这个基准测试时，“大数据”炒作风靡一时，粉丝们希望用分布式计算（Hadoop，Spark等）对“大数据”进行机器学习，而对于数据集大多数人来说单机工具不仅足够好，而且速度更快，功能更多，漏洞更少。我在2015年开始的会议和聚会上就这些基准进行了不少 阅读全文
posted @ 2019-01-08 18:40 Lucas_Yu 阅读(314) 评论(0) 推荐(0)
python并行计算
摘要：0. 基础并行/发：multiprocessing/threading 1. concurrent 2. 并发：asynico 3. Ipython下的并行计算： 使用ipyparallel库的IPython提供了前所未有的能力，将科学Python的探索能力与几乎即时访问多个计算核心相结合。系统可以 阅读全文
posted @ 2019-01-08 11:51 Lucas_Yu 阅读(2317) 评论(0) 推荐(0)
并行计算与分布式计算
摘要：分布式计算，并行计算 阅读全文
posted @ 2019-01-08 00:05 Lucas_Yu 阅读(4680) 评论(0) 推荐(0)
服务部署 RPC vs RESTful
摘要：RPC vs RESTful 两种方式，并非一定孰优孰劣，主要是看那种抽象更适合项目的抽象！正如编程范式，不只有OOP还有FP! 也说明不管何种抽象都是大千世界某种角度的抽象和假设，这个假设适合所有场景吗？在各场景都好用吗？ 因此对于使用者而言最重要的就是把握好各种假设的适用场景及其该条件下的优劣！ 阅读全文
posted @ 2019-01-07 17:19 Lucas_Yu 阅读(434) 评论(0) 推荐(0)
模拟浏览器之从 Selenium 到splinter
摘要：Splinter是现有浏览器自动化工具（如Selenium和zope.testbrowser）之上的抽象层。它有一个高级API，可以轻松编写Web应用程序的自动化测试。 例如，要使用Splinter填写表单字段： browser.fill('username', 'janedoe') browser 阅读全文
posted @ 2019-01-07 14:32 Lucas_Yu 阅读(720) 评论(0) 推荐(0)
Pytables h5py
摘要：Anthony Scopatz，南卡罗来纳大学助理教授，HDF客座博主 “Python很棒，它的科学计算生态系统也是世界一流的。HDF5非常棒，是科学数据持久性的黄金标准。许多人使用Python的HDF5，而这个数字只是由于大熊猫的HDFStore而增长。但是，使用Python的HDF5至少还有一个 阅读全文
posted @ 2019-01-07 13:02 Lucas_Yu 阅读(1840) 评论(0) 推荐(0)
python 高级部分
摘要：1. 通信 2. 调度 3. 缓存 4. 大数据 5. 并行模型 https://github.com/mpi4py/mpi4py https://python-parallel-programmning-cookbook.readthedocs.io/zh_CN/latest/chapter1/0 阅读全文
posted @ 2019-01-07 00:40 Lucas_Yu 阅读(284) 评论(0) 推荐(0)
Python和HDF 5大数据应用
摘要：深度学习，算法，数据处理，科学计算，算法 阅读全文
posted @ 2019-01-06 21:10 Lucas_Yu 阅读(1471) 评论(0) 推荐(0)
是时候放弃pipeline 模型 ？
摘要：请不要迷恋管道 阅读全文
posted @ 2019-01-01 18:29 Lucas_Yu 阅读(183) 评论(0) 推荐(0)