- 博客(24)
- 收藏
- 关注
原创 Docker No Route to Host解决办法
问题描述:在服务器上拉了两个docker容器A和B, 容器A用来跑平时实验, 容器B搭了一个postgresql数据库。现想从容器A访问容器B的数据库内容, 在使用psycopg2连接postgresql时, 在主机地址和端口号都正确的条件下, 一直报Docker No Route to Host的错误. 并且, 在本地测试数据库的连接性时, 一直是可以连接的.解决方案:主要原因在服务器屏蔽从docker内部的访问, 修改服务器的防火墙设置即可.(1) 在容器A内输入命令"ifconfig.
2020-07-25 10:14:35
10869
原创 《Weight Agnostic Neural Networks》(权重无关网络)论文简介
https://weightagnostic.github.io/
2019-08-29 17:17:25
311
原创 阿里经典推荐论文《Deep Interest Network for Click-Through Rate Prediction》理解
Zhou G, Zhu X, Song C, et al. Deep interest network for click-through rate prediction[C]//Proceedings of the 24th ACM SIGKDD International Conference on Knowledge Discovery & Data Mining. ACM, 20...
2019-07-08 21:48:08
877
原创 经典代码自动生成论文《pix2code: Generating Code from a Graphical User Interface Screenshot》理解
Beltramelli T. pix2code: Generating code from a graphical user interface screenshot[C]//Proceedings of the ACM SIGCHI Symposium on Engineering Interactive Computing Systems. ACM, 2018: 3.一、论文介绍...
2019-06-19 15:16:02
821
原创 One-Shot Video Object Segmentation理解
Caelles S , Maninis K K , Pont-Tuset J , et al. One-Shot Video Object Segmentation[C]// 2017 IEEE Conference on Computer Vision and Pattern Recognition (CVPR). IEEE, 2017.
2019-05-21 13:54:40
1727
原创 VOST技术入门了解
Yao R, Lin G, Xia S, et al. Video Object Segmentation and Tracking: A Survey[J]. arXiv preprint arXiv:1904.09172, 2019.知乎专栏:深度学习从入门到放弃之CV-video segmentation综述. https://zhuanlan.zhihu.com/p/32247505...
2019-05-14 15:48:41
2515
原创 Improving Image Captioning with Conditional Generative Adversarial Nets理解
Chen C , Mu S , Xiao W , et al. Improving Image Captioning with Conditional Generative Adversarial Nets[J]. 2018.一、前言1. 基于强化学习的图像标注
2019-05-07 17:58:45
665
原创 Zero Shot Learning for Code Education: Rubric Sampling with Deep Learning Inference理解
Wu M, Mosse M, Goodman N, et al. Zero Shot Learning for Code Education: Rubric Sampling with Deep Learning Inference[J]. arXiv preprint arXiv:1809.01357, 2018.
2019-04-26 22:44:18
468
原创 CUDA9深度学习Docker环境Deepo(包含大部分深度学习框架+Jupyter)配置
配置前提安装有docker和nvidia-docker。配置步骤下载对应镜像。本配置从中国官方镜像加速上下载。sudo docker pull registry.docker-cn.com/ufoym/deepo:all-jupyter
2019-04-16 11:10:10
957
2
原创 BERT论文精读理解
Devlin J, Chang M W, Lee K, et al. Bert: Pre-training of deep bidirectional transformers for language understanding[J]. arXiv preprint arXiv:1810.04805, 2018.该篇论文被评选为2019 NAACL的最佳论文,由Google AI团队在20...
2019-04-15 22:40:04
1818
原创 EM算法及代码
一、算法简介。EM算法全称为Expectation Maximization,即期望极大算法,是一种用于处理含有隐变量(hidden variable)的概率模型参数的极大似然估计,或极大后验概率估计。EM算法是一种迭代算法,每一次迭代可分为两步:E步,求期望(Expectation);M步,求极大(Maximization)。二、算法步骤。引用于PRML。三、个人总结。EM算法是求...
2019-04-10 11:05:54
5064
2
原创 Graph Neural Networks: A Review of Methods and Applications简介
Jie Zhou et al. 2018.
2019-04-10 08:50:31
861
原创 Progressive Prediction of Student Performance in College Programs理解
Jie Xu, et. al. 2017 AAAI.
2019-04-03 22:18:46
211
原创 机器学习基础
Mitchell定义机器学习:对于某类任务T和性能度量P,一个计算机程序被认为可以从经验E中学习是指,通过经验E改进后,它在任务T上由性能度量P衡量的性能有所提升。...
2019-03-30 10:33:48
149
原创 Learning from Semi-Supervised Weak-Label Data理解
Hao-chen Dong, Yu-Feng Li, Zhi-Hua Zhou. 2018 AAAI.前言前一阵子读了几篇关于深度学习应用在智慧教育上的论文,对“可解释性”又有了些疑问。于是,这次读了篇使用机器学习方法研究半监督弱标签的论文,换个思路去思考问题。首先,来看看什么是半监督弱标签问题(semi-supervised weak-label, 以下简称为SSWL)?SSWL是多标签学...
2019-03-26 22:05:08
1106
2
原创 Finding Similar Exercises in Online Education Systems理解
Qi Liu, Enhong Chen, et al. 2018 KDD.
2019-03-22 10:06:29
667
3
原创 Exercise-Enhanced Sequential Modeling for Student Performance Prediction理解
Yu Su, Enhong Chen, et al. 2018 AAAI.
2019-03-19 13:37:47
1108
1
原创 Towards Understanding the Geometry of Knowledge Graph Embeddings理解
Chandrahas et al. 2018 ACL.论文背景知识图谱的embedding方式有多种,可按得分函数(score function)的计算表达式分为“加法模型”和“乘法模型”两类(见下图1)。本文提出新的度量指标,研究各种embedding方式的几何(geometry)性质。图1:知识图谱embedding得分函数分类度量指标ATM(alignment to mean)...
2019-03-16 10:12:47
746
原创 Bootstrapping Entity Alignment with Knowledge Graph Embedding理解
Zequn Sun et al. IJCAI 2018.相关知识介绍实体对齐(entity alignment)也被称为实体匹配(entity matching),主要用于消除异构数据中实体冲突、指向不明等不一致性问题,可以从顶层创建一个大规模的统一知识库,从而帮助机器理解多源异质的数据,形成高质量的知识。Bootstrap是一种统计学上的估计方法,由Stanford统计学的教授Bra...
2019-03-14 13:29:57
2236
原创 Enriching Knowledge Bases with Counting Quantifiers理解
Paramita Mirza, et al. ISWC 2018.对某些术语不能确定其译名,因此暂用英文。Couting quantifiers play an important role in question answering or knowledge base curation, but are neglected by prior work. This paper develops...
2019-03-11 20:40:56
317
原创 Embedding Multimodal Relational Data for Knowledge Base Completion理解
Embedding Multimodal Relational Data for Knowledge Base CompletionPouya Pezeshkpour et al. , Proceddings of the 2018 Conference on Empirical Methods in Natural Language Processing
2019-03-09 13:52:05
1289
原创 KBGAN: Adversarial Learning for Knowledge Graph Embeddings理解
本篇论文的主要创新点在于将GANs与Knowledge graph embeddings(KGE)相结合,提高了KGE的效率。传统KGE方法通过随机替换fact的head或tail entity生成负样本,但这样的负样本往往与正样本的语义差别较大,对模型的训练没有帮助。因此,本文提出KBGAN——损失函数为marginal loss function,带有softmax的KGE模型。KBGAN...
2019-02-12 15:27:20
1938
原创 ICML 2017 Best Paper理解
2017年ICML的最佳论文奖被来自于斯坦福大学的Pang Wei Koh和Percy Liang拿下,论文名是《Understanding Black-box Predictions via Influence Functions》,研究内容是关于神经网络的可解释性。...
2018-07-13 09:46:50
2352
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人