<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[LittleSeedling的博客]]></title><description><![CDATA[]]></description><link>https://blog.csdn.net/LittleSeedling</link><language>zh-cn</language><generator>https://blog.csdn.net/</generator><copyright><![CDATA[Copyright &copy; LittleSeedling]]></copyright><item><title><![CDATA[【bug】使用transformers训练二分类任务时，训练损失异常大]]></title><link>https://blog.csdn.net/LittleSeedling/article/details/143973987</link><guid>https://blog.csdn.net/LittleSeedling/article/details/143973987</guid><author>LittleSeedling</author><pubDate>Fri, 22 Nov 2024 14:45:54 +0800</pubDate><description><![CDATA[看到社区也有很多人在讨论这个问题，目前transformers最新版本是4.46.3，不知道是否解决了这个问题。对比后发现，确实启用GA后，training_loss会变大，差不多是不启用GA的4倍。这下差不多可以确定，在启用GA后，training_loss乘上了GA。最新版本是4.46.3，不知道是否解决了这个问题。异常大，在二分类损失中，收敛在1~2附近，而。后，training_loss变大。却正常（小于0.5）]]></description><category></category></item><item><title><![CDATA[【bug】KeyError: “The metric_for_best_model training argument is set to ‘eval_loss’, which is not foun]]></title><link>https://blog.csdn.net/LittleSeedling/article/details/143902509</link><guid>https://blog.csdn.net/LittleSeedling/article/details/143902509</guid><author>LittleSeedling</author><pubDate>Wed, 20 Nov 2024 09:43:51 +0800</pubDate><description><![CDATA[在Transformer的Trainer中添加的compute_metrics没起作用。函数的参数签名拿到，然后将里面包含。的定义，发生了什么？重点来了，因为我们使用的是。行附近，修改为如下代码。应该为True，因为。]]></description><category></category></item><item><title><![CDATA[【论文下饭】List-aware Reranking-Truncation Joint Model for Search and Retrieval-augmented Generation]]></title><link>https://blog.csdn.net/LittleSeedling/article/details/141895765</link><guid>https://blog.csdn.net/LittleSeedling/article/details/141895765</guid><author>LittleSeedling</author><pubDate>Wed, 04 Sep 2024 15:57:09 +0800</pubDate><description><![CDATA[2024 WWW GenRT
List-aware Reranking-Truncation Joint Model for Search and Retrieval-augmented Generation]]></description><category></category></item><item><title><![CDATA[如何写一篇专利？格式与要求]]></title><link>https://blog.csdn.net/LittleSeedling/article/details/135464147</link><guid>https://blog.csdn.net/LittleSeedling/article/details/135464147</guid><author>LittleSeedling</author><pubDate>Mon, 08 Jan 2024 19:06:06 +0800</pubDate><description><![CDATA[专利的要求与格式]]></description><category></category></item><item><title><![CDATA[【bug】【VSCode】远程终端TERMINAL打不开]]></title><link>https://blog.csdn.net/LittleSeedling/article/details/135380253</link><guid>https://blog.csdn.net/LittleSeedling/article/details/135380253</guid><author>LittleSeedling</author><pubDate>Thu, 04 Jan 2024 10:30:00 +0800</pubDate><description><![CDATA[的情况下，挂了一晚上，今早上来看的时候全都lost connections…然后关闭再打开就出现了如上现象。如图所示，远程连接服务器（Linux），发现。大概看了一下，可能是远程连接的问题。昨天晚上vscode在打开多个。]]></description><category></category></item><item><title><![CDATA[【论文下饭】GATE: Graph CCA for Temporal Self-Supervised Learning for Label-Efficient fMRI Analysis]]></title><link>https://blog.csdn.net/LittleSeedling/article/details/133845789</link><guid>https://blog.csdn.net/LittleSeedling/article/details/133845789</guid><author>LittleSeedling</author><pubDate>Sun, 15 Oct 2023 18:38:18 +0800</pubDate><description><![CDATA[GATE: Graph CCA for Temporal Self-Supervised Learning for Label-Efficient fMRI Analysis]]></description><category></category></item><item><title><![CDATA[Gumbel Softmax Trick]]></title><link>https://blog.csdn.net/LittleSeedling/article/details/131934183</link><guid>https://blog.csdn.net/LittleSeedling/article/details/131934183</guid><author>LittleSeedling</author><pubDate>Wed, 26 Jul 2023 10:49:17 +0800</pubDate><description><![CDATA[Gumbel Softmax Trick]]></description><category></category></item><item><title><![CDATA[【论文下饭】PatchTST中的channel-independence]]></title><link>https://blog.csdn.net/LittleSeedling/article/details/130808893</link><guid>https://blog.csdn.net/LittleSeedling/article/details/130808893</guid><author>LittleSeedling</author><pubDate>Mon, 22 May 2023 16:09:25 +0800</pubDate><description><![CDATA[文中提出两点创新点：
（1）Patching
（2）Channel-independence因为时间序列，某个时间步前后时刻的值十分接近，所以可以使用patching聚合。
good：bad：将时间序列的每个变量单独考虑，即单独送入中。
good：bad：1. 模型总览
2. 数据集 以下内容为论文附录中提及的Channel-independence的好处：3. 消融实验

Only channel-independence: P（patch的长度）和S（patch的步长）设置为1。
Only patchi]]></description><category></category></item><item><title><![CDATA[【linux】【bug】scp lost connection]]></title><link>https://blog.csdn.net/LittleSeedling/article/details/129983867</link><guid>https://blog.csdn.net/LittleSeedling/article/details/129983867</guid><author>LittleSeedling</author><pubDate>Thu, 06 Apr 2023 10:33:30 +0800</pubDate><description><![CDATA[在使用scp传文件到远程服务器时，出现。在远程服务器执行scp命令时，出现。重新安装远程服务器的。]]></description><category></category></item><item><title><![CDATA[Transformer输出张量的值全部相同？！]]></title><link>https://blog.csdn.net/LittleSeedling/article/details/129214385</link><guid>https://blog.csdn.net/LittleSeedling/article/details/129214385</guid><author>LittleSeedling</author><pubDate>Sat, 25 Feb 2023 13:20:50 +0800</pubDate><description><![CDATA[在训练稳定的前提下，拥有Post-LN的性能。代码：https://github.com/LiyuanLucasLiu/Transformer-Clinic。原始Transformer论文中为Post-LN。一般来说，Post-LN会比Pre-LN的效果好。Transformer的Layer Norm的位置很关键。在询问过全知全能的New Bing之后，找到一篇文章。期刊会议：EMNLP 2020。之后，基本所有输出都相同了。这里我们使用Pre-LN。而Pre-LN却不会。]]></description><category></category></item><item><title><![CDATA[【论文下饭】Functional Connectivity Prediction With Deep Learning for Graph Transformation]]></title><link>https://blog.csdn.net/LittleSeedling/article/details/128877275</link><guid>https://blog.csdn.net/LittleSeedling/article/details/128877275</guid><author>LittleSeedling</author><pubDate>Fri, 03 Feb 2023 23:10:36 +0800</pubDate><description><![CDATA[结构连接(Structural connectivity, SC) 与 功能连接(Functional connectivity, FC)。
脑网络、SC预测FC、SF-GAN、GT-GAN、图转换、元特征、图卷积、图反卷积。]]></description><category></category></item><item><title><![CDATA[【Pytorch】【DataLoader】RuntimeError: CUDA error: initialization error]]></title><link>https://blog.csdn.net/LittleSeedling/article/details/127995183</link><guid>https://blog.csdn.net/LittleSeedling/article/details/127995183</guid><author>LittleSeedling</author><pubDate>Wed, 23 Nov 2022 10:33:40 +0800</pubDate><description><![CDATA[return tuple(tensor[index] for tens
RuntimeError: CUDA error: initialization error
CUDA kernel errors might be asynchronously reported at some other API call,so the stacktrace below might be incorrect.
For debugging consider passing CUDA_LAUNCH_BLOCKING=1.]]></description><category></category></item><item><title><![CDATA[【论文下饭】A Systematic Survey on Deep Generative Models for Graph Generation]]></title><link>https://blog.csdn.net/LittleSeedling/article/details/127791210</link><guid>https://blog.csdn.net/LittleSeedling/article/details/127791210</guid><author>LittleSeedling</author><pubDate>Thu, 10 Nov 2022 16:35:42 +0800</pubDate><description><![CDATA[A Systematic Survey on Deep Generative Models for Graph Generation
在本文中，本文对深度图生成模型进行系统的回顾。本文提出了基于 问题设置 和 技术细节的 深度图生成模型分类，然后对他们进行了详细的介绍、比较和讨论。本文还对深度图生成模型的评估度量方法进行了系统的回顾，包括 无条件图生成 和 有条件图生成 的通用评估方法。之后，本文对该领域流行应用进行了汇总。]]></description><category></category></item><item><title><![CDATA[【python】从拉平的上三角矩阵中，重构矩阵]]></title><link>https://blog.csdn.net/LittleSeedling/article/details/127147748</link><guid>https://blog.csdn.net/LittleSeedling/article/details/127147748</guid><author>LittleSeedling</author><pubDate>Sun, 02 Oct 2022 23:39:22 +0800</pubDate><description><![CDATA[从拉平的上三角矩阵中，重构矩阵]]></description><category></category></item><item><title><![CDATA[【区块链】NFT简单介绍（以BAYC为例）]]></title><link>https://blog.csdn.net/LittleSeedling/article/details/125748721</link><guid>https://blog.csdn.net/LittleSeedling/article/details/125748721</guid><author>LittleSeedling</author><pubDate>Tue, 12 Jul 2022 18:13:31 +0800</pubDate><description><![CDATA[Non-Fungible Token (NFT): 非同质化代币，不可替代令牌。一般与数字艺术品相关联。以下内容根据 *【bilibili】比较详细的NFT讲解 整理。有添加、删减与改动。无聊猿猴游艇俱乐部BAYC，由10000只猿猴NFT组成的收藏品，由程序根据帽子、表情、背景等170个稀有度随机生成，每个猿猴表情神态穿着各异，可以单独售卖。.........]]></description><category></category></item><item><title><![CDATA[【linux】oh my zsh自动补全bug，tab时多两个字符]]></title><link>https://blog.csdn.net/LittleSeedling/article/details/125193572</link><guid>https://blog.csdn.net/LittleSeedling/article/details/125193572</guid><author>LittleSeedling</author><pubDate>Wed, 08 Jun 2022 22:15:31 +0800</pubDate><description><![CDATA[oh my zsh autosuggest bug 自动补全bug
 bash: warning: setlocale: LC_ALL: cannot change locale (en_US.UTF-8)
tab时，会多出两个字符，并且无法删去。然鹅，出现错误。原因是，系统没有编码（大概）。需要先生成。

生成


之后就ok了。......]]></description><category></category></item><item><title><![CDATA[【PyG】理解MessagePassing过程，GCN demo详解]]></title><link>https://blog.csdn.net/LittleSeedling/article/details/125020621</link><guid>https://blog.csdn.net/LittleSeedling/article/details/125020621</guid><author>LittleSeedling</author><pubDate>Sat, 28 May 2022 17:24:08 +0800</pubDate><description><![CDATA[文章目录PyG的信息传递机制MessagePassing ClassGCN demo1. 导入头文件2. 构造函数3. 前向传播forward4. message5. aggregate6. update完整GCN demo代码

参考：
PyG利用MessagePassing实现GCN(了解pyG的底层逻辑）
PyG官方demo GCN

PyG的信息传递机制
PyG提供了**信息传递（邻居聚合）**操作的框架模型。
xik=γk(xik−1,□j∈N(i)ϕ(xik−1,xjk−1,ej,i))
x_i]]></description><category></category></item><item><title><![CDATA[【android】从零开始学习安卓录制回放程序制作需要多少天？]]></title><link>https://blog.csdn.net/LittleSeedling/article/details/124769084</link><guid>https://blog.csdn.net/LittleSeedling/article/details/124769084</guid><author>LittleSeedling</author><pubDate>Fri, 20 May 2022 01:21:46 +0800</pubDate><description><![CDATA[文章目录序功能需求2022-05-（12-13）HOOK是什么？IDEA安卓开发目标程序编写安卓模拟器genymotionidea打包apk2022-05-14HOOK框架？

更新时间：2022-05-14（第3天）

序
之前没做过安卓的开发，现在突然要搞这个东西，很是头大。
写篇记录性质的博客，看看到底多少天能实现。
期限三个星期，只想弄完赶紧跑路了。
功能需求

提示可以使用HOOK实现，但是我连HOOK是什么都不知道。。。先从最基本的概念开始吧。
2022-05-（12-13）
HOOK是什么？
]]></description><category></category></item><item><title><![CDATA[【论文下饭】Temporal Graph Network for Deep Learning on Dynamic Graphs]]></title><link>https://blog.csdn.net/LittleSeedling/article/details/124463497</link><guid>https://blog.csdn.net/LittleSeedling/article/details/124463497</guid><author>LittleSeedling</author><pubDate>Wed, 27 Apr 2022 23:54:46 +0800</pubDate><description><![CDATA[文章目录1 介绍2 背景3 Temporal Graph Network3.1 核心模块MemoryMessage Function(msg)Message Aggregator(agg)Memory Updater(mem)Embedding(emb)3.2 训练4 相关工作5 实验5.1 性能表现（实验结果）5.2 模块选择MemoryEmbedding MoudleMessage AggregatorNumber of layers6 结论
综述
Representation Learning for]]></description><category></category></item><item><title><![CDATA[内网穿透是什么？]]></title><link>https://blog.csdn.net/LittleSeedling/article/details/124412515</link><guid>https://blog.csdn.net/LittleSeedling/article/details/124412515</guid><author>LittleSeedling</author><pubDate>Mon, 25 Apr 2022 19:42:41 +0800</pubDate><description><![CDATA[文章目录内网穿透的目的内网穿透的阻碍如何实现知识点正向代理反向代理

参考：
内网穿透 知识点
内网穿透是什么，如何利用花生壳实现内网穿透


内容从网络上收集而来

内网穿透的目的
使得外网能够访问内网应用。

或者，使得 两个内网能够相互通信。

内网穿透的阻碍
位于不同局域网内的两台主机，即使是知道了对方的IP 地址和端口号，“一厢情愿”地将数据包发送过去，对方也是接收不到的。

因为出于安全起见，除非是内网主机主动向对方发出了连接请求（这时会在该主机的数据结构中留下一条记录），否则，当内网主机接收到]]></description><category></category></item></channel></rss>