- 博客(52)
- 收藏
- 关注
RSS订阅原创 Generate What You Prefer: Reshaping Sequential Recommendation via Guided Diffusion (NeurIPS23 中科大)
注意此分布并非给定交互序列后，预测对候选集种物品推荐的概率分布，这是基于判别式推荐系统的常见建模方式。（1）过于简化用户行为 —— 用户在与推荐系统交互后，会在脑海中自然形成理想items，然后在推荐列表中挑选和理想物品最匹配的进行交互。因此，我们提出DreamRec，将推荐任务重塑为理想物品的生成任务，并利用条件扩散模型，直接建模理想物品生成过程。（2）基于判别式的推荐模型只能用于区分观测到的正样本与采样得到的负样本，无法对理想物品进行准确建模。该方法中，理想items的生成分布被建模为。
2024-04-10 16:47:07
435
原创 【双塔模型DSSM】的原理与实现
在做DSSM的u2i召回时，考虑到用户量在亿级别，item在18w级，用户量庞大而物料库比较小，所以这里u2i的整体思路是用户向量在线生成，而物料库向量离线生成，线上生成的向量再用faiss与离线item embeding计算点积生成候选集。注意：这里有一个点需要注意，如果你的物料比较少，且头部效应比较明显，这种情况下在batch随机采样为负样本很有可能采样到正样本当做负样本，所以是不适合该方案的。这样可以抵消高频物料对正样本集的绑架，同时也保证低频物料在负样本集的出现机会。这里以u2i召回举例说明。
2023-09-25 14:45:03
800
原创 【MMDetection3D】MVXNet踩坑笔记
最近许多关于3D target detection的工作都集中在设计能够使用点云数据的神经网络架构上。虽然这些方法表现出令人鼓舞的性能，但它们通常基于单一模态，无法利用其他模态(如摄像头和激光雷达)的信息。尽管一些方法融合了来自不同模式的数据，这些方法要么使用复杂的pipeline来顺序处理模式，要么执行晚期融合，无法在早期阶段学习不同模式之间的相互作用。
2022-11-08 12:53:33
5125
24
原创 docker小白使用笔记
Image(镜像)：镜像可以看作是一个特殊的文件系统，除了提供容器运行时所需的程序、库、资源、配置等文件外，还包含了一些为运行时准备的一些配置参数（如匿名卷、环境变量、用户等）。镜像不包含任何动态数据，其内容在构建之后也不会被改变。镜像（Image）就是一堆只读层（read-only layer）的统一视角。Container(容器)：容器 (container) 的定义和镜像 (image) 几乎一模一样，也是一堆层的统一视角，唯一区别在于容器的最上面那一层是可读可写的。
2022-11-04 16:41:41
616
翻译 【自动驾驶】LiDAR Radar和Camera对比
众所周知，像Telsa和Waymo这样的顶级汽车制造公司已经接受了自动驾驶计划，并应用了最好的传感器：激光雷达，雷达和相机。Waymo已经开始使用激光雷达传感器，这被认为是最昂贵但准确的传感器，而Telsa仍然使用相机和雷达。关于哪种传感器最适合自动驾驶汽车一直存在争议。让我们看看下面。...
2022-08-17 20:30:30
769
原创 多模态语义分割基础
语义分割的目标：是将一个场景分割成几个有意义的部分，通常是用语义标记图像中的每个像素(pixel-level semantic segmentation)，或者同时检测对象并进行逐像素标记(instance-level semantic segmentation)。
2022-07-17 00:56:41
3199
原创 基于华为MindSpore框架的Mask-R-CNN
Mindspore版本的Mask R-CNN，在GPU上训练。其backbone包括Resnet50和Mobilenetv1。
2022-07-09 15:22:52
921
6
原创 Git指令：【修改PR时，如何只提交一个commit】和【如何在不同分支里提交不同文件】
Git指令：【修改PR时，如何只提交一个commit】和【如何在不同分支里提交不同文件】
2022-06-29 22:21:07
1422
原创 Mindspore模型迁移指北
文章目录1. Mindspore算子1.1 Mindspore.nn算子1.2 Mindspore.ops算子1.3 Mindspore隐式类型转换算子1.4 Mindspore分布式算子2. Mindspore与Tensorflow/Pytorch的API映射关系3. Mindspore网络支持【笔者按】 笔者最近在进行讲Mask_RCNN网络迁移到Mindspore框架的工作。本文会按照个人进度迭代更新，记录所学所思。1. Mindspore算子Mindspore支持的算子1.1 Mindspo
2022-05-29 15:17:21
814
原创 【Mask RCNN】论文学习笔记
文章目录【Mask RCNN】论文学习笔记1 Mask RCNN Architecture2 RPN网络（Region Proposal Network）3 ROI Align4 Class/Box预测和Mask预测5 Loss Function的计算参考【Mask RCNN】论文学习笔记本文记录的是本人学习何凯明大神的2017 ICCV Best Paper 【Mask R-CNN】的笔记。1 Mask RCNN Architecture简而言之，Mask R-CNN就是在Faster R-CNN
2022-05-24 23:27:09
297
原创 【V-MoE】论文学习笔记
文章目录1 Abstract2 Introduction3 Methods3.1 The Vision Mixture of Experts (V-MoE)3.1.1 Conditional Computation with MoEs3.1.2 MoEs for Vision3.1.3 Routing3.1.4 Expert's Buffer Capacity3.2 Skipping Tokens with Batch Prioritized RoutingReferencesarxiv论文GitHu
2022-05-03 19:43:47
2880
原创 【计算机视觉】upstream与downstream
Upstream：预训练模型。一般就是利用上游数据上进行预训练，以生成一个包含视觉表征的model。Downstream：CV的“四大任务”：分类（解决"what"）、定位（解决"where"）、检测（解决"what"和"where"）、分割（实例分割和语义分割）CV的应用。Downstream通过具体任务来评价模型好坏。例如CV的“四大任务”。...
2022-05-03 16:52:46
1877
原创 【计算机视觉】角点检测和立体匹配
目录【计算机视觉】角点检测和立体匹配1. 角点检测1.1. Template Matching1.2. Second-order Derivative Schemes【计算机视觉】角点检测、不变特征和立体匹配1. 角点检测角点是一种重要的图像局部特征：通常被定义为两条边的交点，角点的局部领域应该具有两个不同区域的不同方向的边界。它还有一种定义：如果某一点在任意方向的一个微小变动都会引起灰度很大变化，那么就称为角点。角点一般是曲线局部曲率极大值点，线段重点或具有某种物理量（如：
2022-04-21 13:05:32
3646
1
原创 Daily Leetcode-0 算法复杂度
文章目录Daily Leetcode-0 算法复杂度1. 时间复杂度1.1 时间复杂度的定义1.2 计算时间复杂度的基本流程1.3 计算时间复杂度的示例2. 空间复杂度Daily Leetcode-0 算法复杂度这里有一篇很棒的CSDN文章《算法的时间复杂度和空间复杂度-总结》。为了方便自己日后查阅，在这里做一个更简要总结。事后估计的方法有两个缺陷：要想对设计的算法的运行性能进行评测，必须先依据算法编制相应的程序并实际运行；所得时间的统计量依赖于计算机的硬件、软件等环境因素，有时容易掩盖算
2022-04-17 15:39:33
84
原创 【生成对抗网络GAN】原理及实现
文章目录【生成对抗网络GAN】原理及实现1. GAN的实现原理2. GAN的数学原理（简单了解的同学可以不看这里）2.1. 训练Discriminator的数学原理2.2. 训练Generator的数学原理GAN的算法实现（Python）【生成对抗网络GAN】原理及实现原文链接1. GAN的实现原理GAN的基本架构如下图所示。GAN的核心是生成器Generator和判别器Discriminator。二者本质上都是多层感知机网络。Generator：负责根据随机信号产生数据（无中生有）Di
2022-04-12 17:08:04
4850
原创 Phase-space Deconvolution for Light FIeld Microscopy算法解读
文章目录Phase-space Deconvolution for Light FIeld Microscopy算法解读1.摘要2.算法原理2.1.LFM系统架构2.2.空间域PSF转化为相空间PSF2.3 相空间Deconvolution实现3D重建3.笔者按参考文献Phase-space Deconvolution for Light FIeld Microscopy算法解读Code1.摘要本文记录了笔者研读Phase-space Deconvolution for Light FIeld Mi
2022-04-08 11:07:20
628
原创 【计算机视觉】边缘检测
文章目录1.边缘检测的基本方法1.1. 2个主要方法1.2. 摸板设计Mask Design1.2.1. 原则1.3. 存在的问题2.更强的边缘检测方法2.1.Canny Operator2.2.LapLacian Operator1.边缘检测的基本方法梯度足够大的位置一般认为是灰度边缘。1.1. 2个主要方法微分梯度DG（Different Gradient）边缘梯度大小的计算方法：g=(gx2+gy2)1/2g=∣gx∣+∣gy∣g=max(∣gx∣,∣gy∣)\begin{gath
2022-04-07 12:16:51
3169
原创 【李宏毅《机器学习》2022】作业1：COVID 19 Cases Prediction (Regression)
文章目录【李宏毅《机器学习》2022】作业1：COVID 19 Cases Prediction (Regression)作业内容1.目标2.任务描述3.数据4.评价指标代码1.下载数据2.导入软件包3.定义公用函数（这一部分不需要修改）4.数据集5.神经网络模型6.特征选择7.训练器8.超参数设置9.加载数据10.开始训练11.可视化训练过程12.保存测试集结果13.改进方案13.1.选择更有效的特征13.2.修改模型13.3.修改优化器14. 测试结果【李宏毅《机器学习》2022】作业1：COVID
2022-04-06 18:49:09
13161
17
原创 【李宏毅《机器学习》2019-2022】资源汇总与概述
文章目录【李宏毅机器学习2019-2022】机器学习的相关技术监督学习Supervised Learning【李宏毅机器学习2019-2022】机器学习的相关技术监督学习Supervised Learning监督学习的主要任务有：Regression、Classification和Structure Learning。其中Classification任务是目前研究最火热的任务。Classification任务主要分为Linear Model和Non-linear Model。......
2022-04-02 14:33:40
1659
原创 MySQL-11练习：至少有五名直接下属的经理
MySQL-11练习：至少有五名直接下属的经理题目表Employee包含所有员工及其上级的信息。每位员工都有一个Id，并且还有一个对应主管的Id（ManagerId）。+------+----------+-----------+----------+|Id |Name |Department |ManagerId |+------+----------+-----------+----------+|101 |John |A |null ||10
2022-04-01 11:20:07
527
原创 MySQL-10练习：树节点
MySQL-10练习：树节点题目对于tree表，id是树节点的标识，p_id是其父节点的id。+----+------+| id | p_id |+----+------+| 1 | null || 2 | 1 || 3 | 1 || 4 | 2 || 5 | 2 |+----+------+每个节点都是以下三种类型中的一种：Root: 如果节点是根节点。Leaf: 如果节点是叶子节点。Inner: 如果节点既不是根节点也不是叶子节点。
2022-04-01 11:08:43
1388
原创 MySQL-09练习：连续出现的数字
MySQL-09练习：连续出现的数字题目编写一个 SQL 查询，查找所有至少连续出现三次的数字。表Logs+----+-----+| Id | Num |+----+-----+| 1 | 1 || 2 | 1 || 3 | 1 || 4 | 2 || 5 | 1 || 6 | 2 || 7 | 2 |+----+-----+例如，给定上面的 Logs 表， 1 是唯一连续出现至少三次的数字。+-----------------+
2022-04-01 10:24:34
712
原创 MySQL-08练习：分数排名
MySQL-08练习：分数排名题目假设在某次期末考试中，二年级四个班的平均成绩分别是 93、93、93、91，请问可以实现几种排名结果？分别使用了什么函数？排序结果是怎样的？（只考虑降序）+-------+-----------+| class | score_avg |+-------+-----------+| 1 | 93 || 2 | 93 || 3 | 93 || 4 | 91 |+----
2022-03-31 21:57:03
694
原创 MySQL-07练习：换座位
MySQL-07练习：换座位题目表seat+-------------+---------+| Column Name | Type |+-------------+---------+| id | int || name | varchar |+-------------+---------+Id是该表的主键列。该表的每一行都表示学生的姓名和ID。Id是一个连续的增量。编写SQL查询来交换每两个连续的学生的座位号。如果学生的数量是奇数
2022-03-31 21:31:46
945
原创 MySQL-06练习：部门最高工资的员工
MySQL-06练习： 部门最高工资的员工题目表：Employee+--------------+---------+| 列名 | 类型 |+--------------+---------+| id | int || name | varchar || salary | int || departmentId | int |+--------------+---------+id是此表的主
2022-03-31 21:15:25
1396
原创 MySQL-05：SQL窗口函数与预处理
文章目录MySQL-05：SQL窗口函数与预处理窗口函数窗口函数的概念窗口函数的种类聚合函数在窗口函数上的应用专用窗口函数窗口函数的应用：计算移动平均GROUPING运算符和ROLLUP关键字存储过程与函数基本语法相关参数预处理声明 PREPARE Statement使用步骤使用示例MySQL-05：SQL窗口函数与预处理窗口函数窗口函数的概念窗口函数也称为OLAP函数（OnLine AnalyticalProcessing）。意思是对数据库数据进行实时分析处理。<窗口函数> OVER
2022-03-24 11:15:44
998
原创 MySQL-03：视图、子查询和函数
视图视图的定义视图是一个虚拟的表，不同于直接操作数据表，视图是依据SELECT语句来创建的，所以操作视图时会根据创建视图的SELECT语句生成一张虚拟表，然后在这张虚拟表上做SQL操作。视图与表的区别视图与表的区别在于是否保存了实际的数据。所以视图并不是数据库真实存储的数据表，它可以看作是一个窗口，通过这个窗口我们可以看到数据库表中真实存在的数据。所以我们要区别视图和数据表的本质，即视图是基于真实表的一张虚拟的表，其数据来源均建立在真实表的基础上。...
2022-03-19 09:17:49
715
原创 【计算机视觉】形态学基础
腐蚀定义腐蚀目标是使目标区域ROI范围“变小”，其实质造成图像的边界收缩，可以用来消除小且无意义的目标物。作用是消除背景的小颗粒噪声。其公式表达式子为：A⊖B=∩b∈BA−bA \ominus B=\cap b \in B A_{-b}A⊖B=∩b∈BA−b伪代码膨胀定义膨胀的目标是使目标区域ROI范围“变大”，将于目标区域接触的背景点合并到该目标物中，使目标边界向外部扩张。作用就是可以用来填补目标区域中某些空洞以及消除包含在目标区域中的小颗粒噪声。 其公式表达式子为：A⊕B=∪b∈
2022-03-17 12:20:48
3767
原创 MySQL-02：SQL基础查询与排序
SELECT语句基础从表中选取数据SELECT子句中列举了希望从表中查询出的列的名称，而FROM子句则指定了选取出数据的表的名称。SELECT <列名>, FROM <表名>;从表中选取符合条件的数据SELECT 语句通过WHERE子句来指定查询数据的条件。在WHERE 子句中可以指定“某一列的值和这个字符串相等”或者“某一列的值大于这个数字”等条件。SELECT <列名>, …… FROM <表名> WHERE <条件表达式&
2022-03-16 11:42:41
121
原创 MySQL-01：数据库与SQL基本概念
DBMS的概念和分类DBMS 即Database Management System，是用来管理数据库的计算机系统。根据数据的保存格式，有5大分类：层次数据库（Hierarchical Database，HDB）关系数据库（Relational Database，RDB）Oracle Database：甲骨文公司的RDBMSSQL Server：微软公司的RDBMSDB2：IBM公司的RDBMSPostgreSQL：开源的RDBMSMySQL：开源的RDBMS面向对象数据库（Ob
2022-03-15 10:51:19
1000
原创 macOS上MySQL安装与使用
下载MySQL官网上社区版软件下载地址根据自己的电脑系统和电脑型号选择对应的软件版本进行下载。我这里是2020年intel版macbook pro，选择macOS系统 x86型号MySQL进行下载。安装下载完成后，我们直接双击dmg文件就可以开始安装了选择【允许】，然后一直选择【继续】进行安装。这里可以更改安装位置，我这里选择系统默认位置。选择好安装地址后，直接开始安装。这里推荐选择Use Legacy Password Encryption设置一个简易密码即可。最后，我们选择关
2022-03-13 11:42:41
4143
原创 Daily Leetcode-11 哈希表（散列表）
哈希表（散列表）定义：也叫散列表，根据关键字和值（Key Value）直接进行访问的数据结构。哈希表用的就是数组支持按照下标随机访问的时候，时间复杂度是 O(1) 的特性。我们通过哈希函数把元素的键值映射为下标，然后将数据存储在数组中对应下标的位置。当我们按照键值查询元素时，我们用同样的哈希函数，将键值转化数组下标，从对应的数组下标的位置取数据。原理哈希函数：也叫散列函数，顾名思义，它是一个函数。我们可以把它定义成 hash(key)，其中 key 表示元素的键值，hash(key) 的值表示经过哈
2022-03-09 10:54:10
138
原创 Daily Leetcode-11 分治
分治核心思想：分而治之定义：将原问题划分成 n 个规模较小，并且结构与原问题相似的子问题，递归地解决这些子问题，然后再合并其结果，就得到原问题的解。分治算法一般都比较适合用递归来实现。分治算法的递归实现中，每一层递归都会涉及这样三个操作：分解：将原问题分解成一系列子问题；解决：递归地求解各个子问题，若子问题足够小，则直接求解；合并：将子问题的结果合并成原问题。分治算法能解决的问题，一般需要满足下面这几个条件：原问题与分解成的小问题具有相同的模式；原问题分解成的子问题可以独立求解，
2022-03-06 10:30:27
73
原创 Daily Leetcode-10 动态规划
动态规划区间调度问题1.1.无权区间调度问题互相兼容：如果两个人物区间不重叠，两个任务相互兼容。目标：找到最多的相互兼容的任务集合。实现方法：贪心算法（总能找到局部最优解，但不一定是全局最优解）1.2.带权区间调度问题互相兼容：如果两个人物区间不重叠，两个任务相互兼容。目标：找到权重最大且相互兼容的任务集合。实现方法：动态规划（此时 贪心算法是失效的）动态规划（适合求解全局最优）2.1.3个特征（1） 最优子结构最优子结构指的是，问题的最优解包含子问题的最优解。反过来说就
2022-03-04 11:23:00
179
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