![](https://img-blog.csdnimg.cn/20201014180756928.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
CUDA编程
文章平均质量分 63
lqfarmer
接各类直发和原创推广,商务wx:lqfarmerlq
展开
-
每个人都应该知道的5个NLP代码库
该Transformers库是开源,基于社区的信息库,使用和共享模型基于Transformer结构[2]如Bert[3],Roberta[4],GPT2 [5],XLNet [6],等等。它是NLP的初学者常用的库。超过32种采用100种以上语言的训练的预训练模型,以及TensorFlow 2.0和PyTorch之间的深度互操作性。因此可以访问许多单词的同音异义词,上位词,同义词,定义,词族等。对于句子中的每个单词,Stanza都会评估其普遍的形态特征(例如,单身/复数,第一/第二/第三人称等)原创 2023-02-25 17:45:45 · 1232 阅读 · 0 评论 -
2022年自然语言处理校招社招实习必备知识点盘点分享
本资源整理了自然语言处理领域中常见的一些知识点,并给出了答案,分享给大家。对于准备自然语言处理校招、社招、实习岗位的朋友,可以好好研读一下。原创 2022-10-29 22:49:35 · 363 阅读 · 0 评论 -
-2022最新对比学习(Contrastive Learning)相关必读论文整理分享
举例来说,在自编码器中对数据样本编码成特征再解码重构,这里认为重构的效果比较好则说明模型学到了比较好的特征表达,而重构的效果通过pixel label的loss来衡量。自监督学习属于无监督学习范式的一种,特点是不需要人工标注的类别标签信息,直接利用数据本身作为监督信息,来学习样本数据的特征表达,并用于下游任务。Contrastive Learning(对比式方法)这类方法则是通过将数据分别与正例样本和负例样本在特征空间进行对比,来学习样本的特征表示。原创 2022-10-22 09:45:32 · 416 阅读 · 0 评论 -
互联网求职必读-ACM算法日常之算法·进阶石-系列书籍-免费整理分享
现在写程序基本上离不开github,每种语言如C/C++、Java、Python还是golang等都会将很多库开源在github上面,本篇文章就和大家聊聊如何使用git的基本操作,来参与github上的开源项目。很多童鞋喜欢直接使用git命令,但是对于新手,我更推荐github desktop客户端来操作git项目,下面一起来看看这个颜值超高的客户端App吧。资源整理自网络,下载及获取见源地址:https://github.com/acm-clan/algorithm-stone。原创 2022-10-03 19:17:33 · 137 阅读 · 0 评论 -
视频列表页推荐算法最新研究成果整理分享
推荐系统是利用电子商务网站向客户提供商品信息和建议,帮助用户决定应该购买什么产品,模拟销售人员帮助客户完成购买过程。个性化推荐是根据用户的兴趣特点和购买行为,向用户推荐用户感兴趣的信息和商品。为了解决这些问题,个性化推荐系统应运而生。个性化推荐系统是建立在海量数据挖掘基础上的一种高级商务智能平台,以帮助电子商务网站为其顾客购物提供完全个性化的决策支持和信息服务。原创 2022-09-24 19:58:00 · 225 阅读 · 0 评论 -
历史最全基于 图形和表格数据的联邦学习 论文数据及架构整理分享
联邦学习(Federated Learning)是一种分布式机器学习技术,其核心思想是通过在多个拥有本地数据的数据源之间进行分布式模型训练,在不需要交换本地个体或样本数据的前提下,仅通过交换模型参数或中间结果的方式,构建基于虚拟融合数据下的全局模型,从而实现数据隐私保护和数据共享计算的平衡,即“数据可用不可见”、“数据不动模型动”的应用新范式。原创 2022-09-18 10:58:48 · 251 阅读 · 0 评论 -
预训练模型 参数优化有效方法(Delta Tuning)必读精选论文
越来越大的预训练模型带来了对现有和未知任务的训练带来了福音,以及过高的模型训练成本。在这种情况下,参数有效方法(增量调整,delta tuning)被开发出来,并逐渐成为一种行之有效方法,可以用一小部分可调参数来刺激巨大的模型,从而显着降低模型适应的计算和存储成本。除了明显的实用价值外,delta tuning似乎暗示了预训练模型的特定适应可能是一个非常简单的过程,这可能会引发有趣的理论问题,值得探索。本资源整理了预训练模型 参数优化有效方法(Delta Tuning)必读精选论文。原创 2022-09-10 16:45:19 · 334 阅读 · 0 评论 -
基于深度学习的搜索、推荐、广告系统最全最新论文分享分享
推荐系统是有效的信息过滤工具,由于互联网接入的增加、个性化趋势和计算机用户习惯的改变,这种工具非常普遍。尽管现有的推荐系统成功地产生了不错的推荐,但是它们仍然面临着诸如准确性、可伸缩性和冷启动等挑战。在过去的几年中,推荐系统中的研究热点之一是,深度学习的引入以提高推荐质量。资源整理自网络,资源获取见源地址:https://github.com/guyulongcs/Awesome-Deep-Learning-Papers-for-Search-Recommendation-Advertising。...原创 2022-08-27 21:45:13 · 205 阅读 · 0 评论 -
算法初学者&互联网求职者必备《 剑指 Offer 31天图文题解》免费分享
LeetBook《图解算法数据结构》面向算法初学者、互联网求职者设计,主要内容包括:📗 剑指 Offer 图文题解 图文详解 75 道题目,覆盖主要算法知识点,非常适合作为算法学习的 第一份题库 。 题库活跃于各大互联网公司招聘中,可使笔面试准备事半功倍。 致力于行文深入浅出、图文搭配,提供简洁的 Python3, Java, C++ 解题代码。 资源整理自网络,下载及获取见源地址:https://github.com/krahets/LeetCode-Book .原创 2022-07-09 17:10:09 · 301 阅读 · 0 评论 -
机器学习从业者人手必备的8本书
机器学习是一个涉及面很广的领域。多亏了互联网,可以从网上找到大量的资源,从书本到博客再到视频博客。到目前为止,《 Analytics India》杂志一直在为ML社区收集机器学习相关的学习资源。在本文中,整理了8本机器学习算法实战和应用必备的8本书,。(以下书籍未按特定顺序列出)1. Deep Learning With Python作者FrançoisChollet本书由Keras创作者和Google AI研究人员FrançoisCho...原创 2022-05-28 16:11:06 · 1893 阅读 · 0 评论 -
无监督对比学习(CL)最新必读经典论文整理分享
对比自监督学习技术是一种很有前途的方法,它通过学习对使两种事物相似或不同的东西进行编码来构建表示。Contrastive learning有很多文章介绍,区别于生成式的自监督方法,如AutoEncoder通过重建输入信号获取中间表示,Contrastive Methods通过在特征空间建立度量,学习判别不同类型的输入,不需要重建信号而又充分挖掘了无标签数据之间的特征差异。对比学习通过同时最大化同一图像的不同变换视图(例如剪裁,翻转,颜色变换等)之间的一致性,以及最小...原创 2022-05-08 19:52:22 · 539 阅读 · 0 评论 -
基于强化学习的推荐系统相关研究进展、经典论文整理分享
深度学习与NLP专注深度学习、NLP相关技术、资讯,追求纯粹的技术,享受学习、分享的快乐。677篇原创内容公众号推荐系统把用户模型中兴趣需求信息和推荐对象模型中的特征信息匹配,同时使用相应的推荐算法进行计算筛选,找到用户可能感兴趣的推荐对象,然后推荐给用户。推荐系统有3个重要的模块:用户建模模块、推荐对象建模模块、推荐算法模块。强化学习是智能体(Agent)以“试错”的方式进行学习,通过与环境进行交互获得的奖赏指导行为,目标是使智能体获得最大的奖赏,强化学习不同于...原创 2022-04-09 12:24:33 · 518 阅读 · 0 评论 -
Transformer在计算机视觉中应用论文大全整理分享
Transformer是一种基于encoder-decoder结构的模型,它抛弃了以往的seq2seq模型中的RNN,采用Self—attention或者Mulit-head-self-attention使得输入的数据可以并行处理,提高运行效率。本资源整理了Transformer在计算机视觉各个领域应用的论文,分享给需要的朋友。内容截图...原创 2022-02-19 17:16:02 · 2044 阅读 · 1 评论 -
BiliBili 100+国际名校免费公开课整理分享
本资源这是一份公开课的目录,这里的视频大多来自 YouTube 等国内无法访问的网站,为了方便国内的朋友观看,作者将这些视频搬运到了BiliBili。资源整理自网络,源地址:https://github.com/wenhan-wu/OpenCourseCatalog数学 / Math新南威尔士大学 数学史 (UNSW, Math History: A course in the History of Mathematics)数学分析 / Mathe...原创 2021-12-11 17:36:04 · 965 阅读 · 0 评论 -
算法岗面试必读-机器学习面试实战
本书介绍本书是许多人的集体智慧的结果,他们花了很多时间思考招聘过程。这本书是为求职者写的,但看到早期草稿的招聘经理告诉我,他们发现了解其他公司是如何招聘的,并重新思考自己的流程是有帮助的。这本书由两部分组成。第一部分概述了机器学习面试流程,有哪些类型的机器学习角色可供选择,每个角色需要哪些技能,经常问哪些类型的问题,以及如何准备。这一部分还解释了面试官的心态以及他们寻找什么样的信号。第二部分由200多个知识问题组成,每一个问题都有其难度——对更高级角色的面试应该期...原创 2021-11-20 17:25:13 · 1005 阅读 · 0 评论 -
2021年深度强化学习最全精选资源整理分享
本资源还包括具有许多视觉示例的通用机器学习(ML)、神经网络(NN)和深度神经网络(DNN),以及具有视频游戏/机器人实战case的强化学习(RL)。一些具有相似目标的替代进化算法也包括在内。资源整理自网络,源地址:https://github.com/wangyuGithub01/Machine_Learning_Resources目录内容截图...原创 2021-11-13 12:08:22 · 3469 阅读 · 0 评论 -
最新-深度神经网络的高效处理技术综述
本书介绍本书对深度神经网络(DNN)高效处理的关键原理和技术进行了结构化的系统介绍。DNN当前广泛用于许多人工智能(AI)应用程序,包括计算机视觉,语音识别和机器人技术。尽管DNN在许多AI任务上都提供了最先进的准确性,但它却通常会付出非常高昂的计算代价。因此,在不牺牲准确性或增加硬件成本的情况下,能够有效处理深度神经网络以改善关键指标(例如能效,吞吐量和延迟)的技术对于在AI系统中广泛部署DNN至关重要。bshq:最新-《深度神经网络的高效处理技术综述》免费书分享...原创 2021-10-10 15:08:37 · 142 阅读 · 0 评论 -
知识图谱(KG)存储、可视化、公开数据集、图计算、图编程工具分享
知识图谱(Knowledge Graph),在图书情报界称为知识域可视化或知识领域映射地图,是显示知识发展进程与结构关系的一系列各种不同的图形,用可视化技术描述知识资源及其载体,挖掘、分析、构建、绘制和显示知识及它们之间的相互联系。知识图谱是通过将应用数学、图形学、信息可视化技术、信息科学等学科的理论与方法与计量学引文分析、共现分析等方法结合,并利用可视化的图谱形象地展示学科的核心结构、发展历史、前沿领域以及整体知识架构达到多学科融合目的的现代理论。它能为学科研究提供切实的、有价值的...原创 2021-09-25 21:14:07 · 2980 阅读 · 0 评论 -
2021年整理LeetCode最新刷题攻略分享(附中文详细题解)
很多刚开始刷题的同学都有一个困惑:面对leetcode上近两千道题目,从何刷起。 资源整理自网络,源地址:https://github.com/wangyuGithub01/Machine_Learning_Resources大家平时刷题感觉效率低,浪费的时间主要在三点:·找题·找到了不应该现阶段做的题·没有全套的优质题解可以参考其实我之前在知乎上回答过这个问题,回答内容大概是按照如下类型来刷数组-> 链表-> 哈希表->字符串->...原创 2021-09-19 12:19:00 · 601 阅读 · 0 评论 -
fast.ai 21年最新-程序员的深度学习实战
课程描述深度学习是一种通过使用多层神经网络提取和转换数据的计算机技术—从人类语音识别到动物图像分类。深度学习具有灵活性和简单性。这就是为什么我们认为它应该被应用于许多学科。这些包括社会和物理科学、艺术、医学、金融、科学研究等等。以下是深度学习或大量使用深度学习的方法目前是世界上最好的几千个不同领域任务中的一些:自然语言处理(NLP)回答问题;语音识别;总结文件;对文件进行分类;查找姓名、日期等。在文件中;搜索提及概念的文章计算机视觉卫星和无人驾驶飞机图像解释(例如,用于灾难恢复);人脸识别;..原创 2021-09-04 19:03:15 · 368 阅读 · 0 评论 -
机器学习必看经典-统计机器学习(数据挖掘、推理和预测)核心元素
推荐一本由斯坦福大学三位统计学大佬,Trevor Hastie, Robert Tibshirani和Jerome Friedman,撰写的机器学习经典教材《统计机器学习(数据挖掘、推理和预测)核心元素》最新版(2017年),本书详细介绍了机器学习各类经典的算法,适用于具有一定机器学习基础,想要深入、全面了解机器学习算法全貌的朋友,欢迎下载。zxhq:https://mp.weixin.qq.com/s?__biz=MzIxNDgzNDg3NQ==&mid=2247494152...原创 2021-08-08 22:43:31 · 522 阅读 · 0 评论 -
2021年科研-适用于科学家的Twitter-助力科研生涯腾飞-分享
本书介绍本书将引导读者使用Twitter的来龙去脉,涵盖三个级别:初学者,中级和高级。除非另有说明,否则将在示例和说明中使用Twitter桌面浏览器网站。在桌面浏览器上使用Twitter和使用Twitter的智能手机应用程序之间有一些小差异。但是,这些应用程序非常相似,因此可以转让本书中的说明。值得注意的是,尽管我试图使本指南适用于所有领域的研究科学家,但从我作为心理学和生物医学科学科学家的角度编写的这本指南,这意味着我使用的一些示例和我提及的规范可能并非与所有人相关。运用读者的...原创 2021-05-22 21:35:43 · 231 阅读 · 0 评论 -
中文简书-《图神经网络模型(GNN)原理及应用综述》分享
图(graph)是⼀种数据结构,图神经⽹络(GNN)是深度学习在图结构上的⼀个分⽀。常⻅的图结构包含节点(node)和边(edge),其中,节点包含了实体(entity)信息,边包含实体间的关系(relation)信息。现在许多学习任务都需要处理图结构的数据,⽐如物理系统建模(physics system)、学习分⼦指纹(molecularfingerprints)、蛋⽩质接⼝预测(protein interface)以及疾病分类(classify diseases),这些都需要模型能够从图结构...原创 2020-08-15 23:08:46 · 1081 阅读 · 0 评论 -
斯坦福、伯克利及MIT联合打造-2020年DL/RL必学6门经典课程
本资源整理了6门由斯坦福大学、加州大学伯克利分校、麻省理工学院讲授的深度学习经典课程,分别是深度学习入门、深度强化学习、深度学习与计算机视觉、无监督学习、多任务与元学习、深度学习与NLP。本资源将六门课程最新的视频完整课程视频整理在一起,分享给大家。资料获取:https://mp.weixin.qq.com/s?__biz=MzIxNDgzNDg3NQ==&mid=2247487836&idx=1&sn=1046ec2e8890accf029c4a1be...原创 2020-06-13 23:07:00 · 481 阅读 · 0 评论 -
加州理工-数据驱动算法设计-(2020)最新
什么是数据驱动算法设计?在过去的几年中,越来越多的机器学习(半)自动算法用于解决各类优化问题。典型的例子包括:学习启发的为 A *搜索。学习一门分支启发式的branch-and-bound问题。学习局部优化程序(比梯度下降更快)以进行连续优化。调整复杂模型的超参数以获得最佳性能。最近的这次研讨会涵盖了许多其他主题。像所有机器学习一样,模型需要数据才能很好地学习。有两种获取此类数据的方法:...原创 2020-05-10 11:17:23 · 754 阅读 · 0 评论 -
纯干货-17 分布式深度学习原理、算法详细介绍
介绍无监督的特征学习和深度学习已经证明,通过海量的数据来训练大型的模型可以大大提高模型的性能。但是,考虑需要训练的深度网络模型有数百万甚至数十亿个参数需要训练,这其实是一个非常复杂的问题。我们可以很快完成复杂模型的训练,而不用等待几天甚至几个星期的时间呢?Dean等人提出了一个可行的训练方式,使我们能够在多台物理机器上训练和serving一个模型。作者提出了两种新的方法来完成这个任务,即模原创 2017-11-24 22:32:00 · 8642 阅读 · 0 评论 -
使用 CUBLAS 库给矩阵运算提速
前言 编写 CUDA 程序真心不是个简单的事儿,调试也不方便,很费时。那么有没有一些现成的 CUDA 库来调用呢? 答案是有的,如 CUBLAS 就是 CUDA 专门用来解决线性代数运算的库。 本文将大致介绍如何使用 CUBLAS 库,同时演示一个使用 CUBLAS 库进行矩阵乘法的例子。CUBLAS 内容 CUBLAS 是 CUDA 专门用来解决线转载 2017-10-18 21:23:17 · 800 阅读 · 0 评论