Laura_Wangzx-CSDN博客

Mac使用Homebrew安装RedisHomebrew安装Redis1. Redis配置文件位置2. 使用Redis的常用命令若Mac未安装Homebrew，见我的博客：https://blog.csdn.net/qq_37486501/article/details/80632201注意：有可能因为系统升级为Big Sur，导致Homebrew不好用，可以更新：brew update-resetHomebrew安装Redisbrew install redis1. Redis配置文件位

2022-05-15 13:05:32 1555

原创（九十四）：GLU Variants Improve Transformer

（九十三）：GLU Variants Improve TransformerAbstract1. Introduction2. Gated Linear Units (GLU) and Variants3. Experiments on Text-to-Text Transfer Transformer (T5)3.1 Model Architecture3.2 Pre-Training and Perplexity Results3.3 Fine-Tuning4. Conclusions出处：CoRR

2022-05-02 19:58:35 514

原创（九十三）：Generic Attention-model Explainability for Interpreting Bi-Modal and Encoder-Decoder Transform

（九十三）：Generic Attention-model Explainability for Interpreting Bi-Modal and Encoder-Decoder TransformersAbstract1. Introduction2. Related WorkExplainability in computer visionExplainability for TransformersTransformers in computer vision3. MethodRelevancy i

2022-05-02 19:57:02 205

原创（九十二）：Re-evaluating Automatic Metrics for Image Captioning

（九十二）：Re-evaluating Automatic Metrics for Image CaptioningAbstract1. Introduction2. Related Work3. Method4. Experimental Setup5. Evaluation Results6. Conclusions出处：EACL (1) 2017: 199-209代码：题目：主要内容：Abstract从图像中生成自然语言描述的任务近年来受到了广泛的关注。因此，以一种自动的方式评估这种图

2022-04-30 10:20:03 188

原创（九十一）：Multi-modal Factorized Bilinear Pooling with Co-Attention Learning for Visual Question Answer

标题Abstract1. Introduction2. Related Work3. Method4. Experimental Setup5. Evaluation Results6. Conclusions出处：代码：题目：主要内容：Abstract1. Introduction2. Related Work3. Method4. Experimental Setup5. Evaluation Results6. Conclusions...

2022-04-25 13:57:17 360

原创解决macbook没有ip地址或者ip地址变为ipv6格式无法上网的问题

解决macbook没有ip地址或者ip地址变为ipv6格式无法上网的问题

2022-04-25 07:12:34 8926

原创（九十）：Multimodal Transformer for Multimodal Machine Translation

（九十）：Multimodal Transformer for Multimodal Machine TranslationAbstract1. Introduction2. Methodology2.1 Incorporating Method2.2 Multimodal Self-attention3 Experiment3.1 Baselines and Metrics3.2 Datasets3.3 Settings3.4 Results3.5 Visualization Analysis3.6 Ab

2022-04-17 17:25:39 438

原创（八十九）：Vision Guided Generative Pre-trained Language Models for Multimodal Abstractive Summarization

（八十九）：Vision Guided Generative Pre-trained Language Models for Multimodal Abstractive SummarizationAbstract1. Introduction2. Related Work3. Method4. Experimental Setup5. Evaluation Results6. Conclusions出处：EMNLP (1) 2021: 3995-4007代码：https://github.com/h

2022-04-07 15:35:17 104

转载利用Dataset与Dataloader自定义数据集

自定义Dataset使用Dataloaderpytorch教程：https://pytorch.org/docs/1.7.1/data.htmlPytorch之Dataset与DataLoader打造你自己的数据集,源码阅读https://chenllliang.github.io/2020/02/04/dataloader/Map式数据集必须要重写__getitem__(self, index),len(self) 两个内建方法，用来表示从索引到样本的映射（Map）.这样一个数据集d

2022-04-04 08:44:22 1125

原创（八十八）：Pay Attention to MLPs

（八十八）：Pay Attention to MLPsAbstract1. Introduction2. Model2.1 Spatial Gating Unit3. Image Classification5. Conclusions出处：CoRR abs/2105.08050 (2021)代码：https://paperswithcode.com/paper/pay-attention-to-mlps#code题目：关注mlp主要内容：Transformer中基于门控的mlpAbstrac

2022-04-01 10:58:30 278

原创（八十七）：Visual Attention Network

（八十七）：Visual Attention NetworkAbstract1. Introduction2. Related Work2.1 Convolutional Neural Networks2.2 Visual Attention Methods2.3 Vision MLPs3. Method3.1 Large Kernel Attention3.2 Visual Attention Network (VAN)4. Experiment4.1 Image Classification4.2 Ob

2022-04-01 10:20:51 114

原创（八十六）：When Shift Operation Meets Vision Transformer: An Extremely Simple Alternative to Attention Me

（八十六）：When Shift Operation Meets Vision Transformer: An Extremely Simple Alternative to Attention MeAbstract1. Introduction2. Related WorkAttention and Vision TransformersMLP VariantsShift Operation3. Shift Operation Meets Vision TransformerArchitecture Ov

2022-03-31 21:27:02 75

原创（八十五）：Is Space-Time Attention All You Need for Video Understanding?

（八十五）：Is Space-Time Attention All You Need for Video Understanding?Abstract1. Introduction2. Related Work3. The TimeSformer Model4. Experiment5. Conclusions出处： ICML 2021: 813-824代码：https://github.com/microsoft/HMNet题目：时空注意力是你理解视频所需要的全部吗?主要内容：Abstrac

2022-03-31 20:18:38 240

原创（八十四）：A Hierarchical Network for Abstractive Meeting Summarization with Cross-Domain Pretraining

（八十四）：A Hierarchical Network for Abstractive Meeting Summarization with Cross-Domain PretrainingAbstract1. Introduction2. Problem Formulation3. Method3.1 Encoder3.1.1 Role Vector3.1.2 Hierarchical Transformer3.2 Decoder3.3 Pretraining4. Experiment5. Evalua

2022-03-31 14:35:38 1013

原创（七十九）：Dynamic Fusion with Intra- and Inter-modality Attention Flow for Visual Question Answering

Dynamic Fusion with Intra- and Inter-modality Attention Flow for Visual Question AnsweringAbstract1. Introduction2. Related Work3. Dynamic Fusion with Intra- and Inter- modality Attention Flow for VQA3.1. Overview3.2. Base visual and language feature extra

2022-03-27 09:11:30 70

原创（八十二）：Multimodal Transformer with Multi-View Visual Representation for Image Captioning

（八十二）：Multimodal Transformer with Multi-View Visual Representation for Image CaptioningAbstract1. Introduction2. Related WorkA：图像字幕Image CaptioningB：注意力机制Attention Mechanism3. Multimodal transformerA. The Transformer ModelB. Multimodal Transformer for Imag

2022-03-27 09:11:17 266

原创（八十三）：Vision Transformer with Deformable Attention

2022-03-27 09:10:54 347

原创 MobaXterm查看远端服务器上的Tensorboard

MobaXterm查看远端服务器上的Tensorboard1. 安装tensorboard2. 使用tensorboard3. 利用MobaXterm建立ssh隧道，实现远程端口到本机端口的转发1. 安装tensorboardpip install tensorboard2. 使用tensorboard（可见我的博客：https://blog.csdn.net/qq_37486501/article/details/118598891）tensorboard --logdir=log_dir --

2022-03-21 20:02:11 3513 1

原创（八十一）：Image Change Captioning by Learning from an Auxiliary Task

Image Change Captioning by Learning from an Auxiliary TaskAbstract1. Introduction2. Related Work图像字幕:变化检测方法:3. Background图像改变字幕:组合查询图像检索:4. Our Approach4.1. Joint Primary and Auxiliary Networks 联合主辅网络主要→辅助:辅助→主要:4.2. Model Training5. Experimental Results5.

2022-03-06 14:29:14 479

原创 Fibonacci数列的DP演算法java代码（暴力法、Top-down、Bottom-up）

Fibonacci数列的DP演算法（暴力法、Top-down、Bottom-up）package leetcode_practise;public class Fibonacci_DP { // 方法一：迭代暴力 public static int fib_recursive(int N) { if (N == 1 || N == 2) return 1; else // 存在大量重复计算

2022-02-21 22:43:42 305

原创（七十八）：Co-attending Free-form Regions and Detections with Multi-modal Multiplicativ

2022-02-16 11:54:02 393

原创 Linux服务器jdk配置

1. oracle官网下载对应的jdk版本https://www.oracle.com/java/technologies/javase/javase-jdk8-downloads.html2. 解压jdk tar -zxvf jdk-8u181-linux-x64.tar.gz 3. 配置环境变量参考：https://www.jianshu.com/p/add543fb9167https://blog.csdn.net/kdongyi/article/details/10700206

2022-01-26 20:24:18 3253

原创利用transformers包加载预训练好的Bert模型

利用transformers包加载预训练好的Bert模型得到句子Embedding1. transformers包加载预训练好的Bert模型2. 得到句子Embedding（1）encode()方法：仅返回input_ids（2）encode_plus()方法:返回所有的编码信息3. Eg：以上代码整理，可跑1. transformers包加载预训练好的Bert模型# 1. 导入包import torchfrom transformers import BertTokenizer# 2. 所需要

2021-12-28 21:20:29 2918

原创项目中：Json文件的读取

项目中：Json文件的读取读Json文件取Json文件中内容举例：举例：Json文件内容如下（Flickr8k）{'images': [{'sentids': [39300, 39301, 39302, 39303, 39304], 'imgid': 7860, 'sentences': [{'tokens': ['a', 'girl', 'in', 'blue', 'is', 'jumping', 'on', 'the', 'shore', 'as', '

2021-12-28 14:48:58 1975 2

原创（七十六）：Masked Autoencoders Are Scalable Vision Learners

Masked Autoencoders Are Scalable Vision LearnersAbstract1. Introduction2. Related Work3. Method4. ImageNet Experiments4.1. Main Properties4.2. Comparisons with Previous Results4.3. Partial Fine-tuning5. Transfer Learning Experiments6.Discussion and Conclus

2021-12-25 21:19:44 4340

原创（七十五）：Bangla Image Caption Generation through CNN-Transformer based Encoder-Decoder Network

（七十五）：Bangla Image Caption Generation through CNN-Transformer based Encoder-Decoder NetworkAbstract1. Introduction2. Related Work3. Method3.1 Encoder特征提取位置编码多头注意Q和K的点积降低注意力得分将Softmax输出与值向量相乘残差连接(residual connections)、层归一化(LayerNormalization)和前馈网络(feed forw

2021-12-20 19:51:45 494

方面级情感分析.pptx

总结四篇方面级情感分析PPT，可见：https://blog.csdn.net/qq_37486501/article/details/117305361

2021-05-26

Vaccine_Predict.zip

GNN项目拔高实战配套代码

2021-02-03

Paddle.zip

论文引用网络节点分类BaseLine。本次基线基于飞桨PaddlePaddle 1.8.4版本，若本地运行则可能需要额外安装pgl、easydict、pandas等模块。直接可运行。

2021-02-03

机器学习模型部署在Flask的Web平台上demo：SpamPredictionWeb.zip

让想要将自己开发的机器学习模型，应用Flask（web轻量级框架）在网页进行简单部署。但是存在问题：每次预测都要加载一次模型，对于简单的模型还好，但是当模型很大时，预测会很耗时。而且预测后的结果不能存入数据库，进而对模型进行优化。（下面代码我修改了部分，使css可以显示样式。运行代码即可执行，但是需要确认电脑有装Python、Pycharm等，会用Pycharm添加模块、包）

2020-02-29

Python的Numpy用法

标准安装的 Python 中用列表(list)保存一组值，可以用来当作数组使用，不过由于列表的元素可以是任何对象，因此列表中所保存的是对象的指针。这样为了保存一个简单的[1,2,3]，需要有 3 个指针和三个整数对象。对于数值运算来说这种结构显然比较浪费内存和 CPU 计算时间。虽然 Python 还提供了一个 array 模块，array 对象和列表不同，它直接保存数值，和 C 语言的一维数组比较类似。但是由于它不支持多维，也没有各种运算函数，因此也不适合做数值运算。

2020-02-23

Python 环境配置（Anaconda和Pycharm）.pdf

含有：Anaconda 安装方式资源、Anaconda 常⻅问题、Pycharm 安装方式资源等。 Anaconda 作为 Python 的一个集成管理工具，它把 Python 做相关数据计算与分析所需要的包都集成在了一起，我们只需要安装 Anaconda 就行了。 Anaconda 是一个打包的集合，里面包含了 120 多个数据科学相关的开源包，在数据可视化、机器学习、深度学习等多方面都有涉及。不仅可以做数据分析，甚至可以用在大数据和人工智能领域。另外，安装它后就默认安装了 Python、IPython、Jupyter Notebook 和集成开发环境 Spyder 等等。总之一句话，安装 Anaconda 让我们省去了大量下载模块包的时间，更加方便。

2020-02-20

demo+test.zip

显示层 view html->**jsp** 控制层control (接到请求决定调用哪个业务) servlet->**SpringMVC** 业务层: 对数据进行处理 (如何操作数据库) service->**Service** 持久层: 存入数据库或者文件 jdbc ->**Mybatis** **Spring: 统一对象(无需在new)** 开发:从后向前发请求:从前向后

2019-06-24

MySql_5.5安装图解说明.docx

MySql_5.5安装图解说明Typical(典型安装) Installs the most common program features.Recommended for most users. 意思是：安装最常用的程序功能。建议大多数用户使用。 Custom(自定义安装) Allows uers to choose which program features will be installed and where they will be installed.Recommended for advanced users. 意思是：允许用户选择安装的程序功能和安装的位置，建议高级用户使用。 Complete(完全安装) All program features will be installed.Requires the most disk space. 意思是：将安装所有的程序功能，需要最多的磁盘空间。

2019-06-24

web课设作业--学生管理系统-数据库

web课设作业--学生管理系统-数据库, 直接可以导入数据库,再运行代码,既可调试.

2018-07-18

web课设作业--学生管理系统

web课设作业--学生管理系统,前端采用html+css,后端运用js+jsp 通过连接数据库,对数据进行增删改查.. 数据库的表在另一个资源里https://download.csdn.net/download/qq_37486501/10548745

2018-07-18

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人