- 博客(56)
- 收藏
- 关注
RSS订阅原创 元宇宙是炒作
元宇宙是炒作元宇宙概念它只是源于美国90年代科幻小说《雪崩》的一个概念，简单来讲，就是平行于现实世界的虚拟世界。这个世界有着完善的生态环境，能够实现现实世界中人们的基本需要，同时又因其虚拟化，在时间空间物质精神等层面有着无穷的潜力，这也正是元宇宙最吸引人们的地方。1992年，美国作家Neal Stephenson在《雪崩》中提出一个假设：“只要带上耳机和目镜，找到一个终端，就可以通过连接进入由计算机模拟的另一个三维现实。每个人，都可以在这个与真实世界平行的虚拟空间中拥有自己的分身。”而电影《头号玩家》
2022-01-05 23:35:41
783
原创 指针生成网络
指针生成网络由article生成abstract，生成词表（tgt_vocab）的大小是有限的，因此加入指针机制解决oov问题。article2idsdef article2ids(article_words, vocab): ids = [] oovs = [] unk_id = vocab.word2id(UNKNOWN_TOKEN) for w in article_words: i = vocab.word2id(w) if i == unk_id: # If
2021-12-16 21:17:13
521
原创 traning loss不下降的原因——深坑记录
前言这是一次浪费了我一周时间（做了62次实验）的深坑记录，说多了都是心酸。在开源代码的基础上，为了简化封装，重构了其代码，模型结构等等保持不变，但training loss始终不下降，极其稳定。找bug的过程检查了模型结构和参数维度检查注明????的地方：for epoch in range(sp.num_epochs): # Update model parameters sp.train() # ???? for step, mini_batch in enumerate
2021-11-14 16:52:23
693
原创 创建新用户并添加sudo权限
1 创建新用户# 切换为root用户$ sudo su# 添加一个新用户$ useradd gyb# 为该用户设定登录密码$ passwd gyb为该用户指定命令解释程序（通常为/bin/bash）usermod -s /bin/bash gyb为该用户指定用户主目录usermod -s /data/user/gyb gyb2 添加sudo权限查看sudoers$ sudo cat /etc/sudoers ## This file MUST be edite
2021-10-25 12:03:41
1952
4
原创 量产omv系统
0 前言希望将一台主机中的omv系统（基于debian）迁至另一台主机，共需要以下几个步骤：备份源主机的系统分区为镜像（img）存储至U盘（容量至少大于系统分区）目标主机安装完整debian系统，包含EFI分区、系统分区、交换分区、数据分区恢复镜像至目标主机中的系统分区（而非整个硬盘），保留目标主机debian系统的grub引导修复目标主机的grub引导omv设置更新总体思想：分区（源主机）——镜像（U盘）——分区（目标主机）补充工作：在目标主机上修复grub引导1 前期准备再生
2021-09-05 16:38:16
1526
1
原创 【P18】Refining Network Intents for Self-Driving Networks
SIGCOMMAugust 2018Abstract现有的IBN研究方案未能利用网络运营商的知识和反馈来验证或改进意图的转换。本文介绍了一个新的意图重塑过程，它使用机器学习和来自运营商的反馈，将运营商的话语翻译成网络配置。重塑过程使用一个序列到序列的学习模型来从自然语言中提取意图，并使用操作员的反馈来改进学习。原型==使用自然语言与网络操作员互动，再将操作员的输入翻译成中间表示（其结构足够便于精确翻译），最后翻译成SDN规则==。实验表明，对于有5000个条目的数据集，实现了0.99的相关系数.
2021-08-19 01:05:25
324
原创 【P17】Neural Machine Translation with Monolingual Translation Memory
ACL 2021Abstract1 简介2 相关工作2.1 TM-augmented NMTFeng等人（2017）用双语词典增强了NMT，以解决不经常出现的单词翻译问题。Gu等人（2018）提出了一个模型，检索与测试源句相似的例子，并用键值记忆网络对检索的源-目标对进行编码。Cao和Xiong（2018）；Cao等人（2019）使用门控机制来平衡翻译记忆的影响。Zhang等人（2018）通过检索n-grams和上调检索n-grams的概率来提出引导模型。Bulte和Tezcan（2.
2021-08-09 12:54:16
535
原创 在家使用IPv6访问NAS服务器
这里写目录标题0 前言1 准备1.1 硬件设备1.2 光猫超级管理员账号1.3 配置方式选择2 光猫设置2.1 登录2.2 将光猫改为桥接（bridge）模式2.3 关闭无线网络3 路由器设置3.1 设置路由器上网模式3.2 打开IPv6（Native模式）3.3 查看配置结果3.4 ==重启路由器==4 测试0 前言在校内搭建了一台NAS服务器，希望在家通过IPv6对其进行访问，但家里的路由器默认未开启IPv6，因此在此记录配置过程。1 准备1.1 硬件设备光猫：中国移动吉比特光猫CM111Z
2021-07-11 18:11:08
7310
2
原创 vscode不停的连接
登录校园网./authBuptGW.sh -ihttps://blog.csdn.net/m0_38129460/article/details/105354051
2021-07-09 15:54:10
105
1
原创 docker中firefox找不到ipv6
https://www.cnblogs.com/greencollar/p/13502628.html
2021-07-02 22:17:13
149
原创 windows下自动获取IP并发到邮箱——python脚本
windows下自动获取IP并发到邮箱——python脚本python脚本windows下自动执行python脚本参考：linux服务器开机发送本机ip地址到指定邮箱import socketimport jsonimport osimport smtplibfrom email.header import Headerfrom email.mime.multipart import MIMEMultipartfrom email.mime.text import MIMETextfro
2021-06-20 19:42:19
2672
原创 Ubuntu18.04 安装K8S & 部署服务
Ubuntu18.04 安装K8S & 部署服务一、实验题目二、实验环境三、实验步骤3.1 系统配置更改3.2 安装Docker3.3 安装kubectl，kubelet，kubeadm3.4 配置Master3.5 配置Node四、部署服务4.1 命令模式4.2 yaml模式一、实验题目题目二：用Kubernetes建立一个实验集群。支持pod的多个节点，在容器内部署了一个可访问的httpd示例服务。二、实验环境名称版本操作系统Ubuntu 18.04 LTSD
2021-06-20 15:41:36
477
原创 服务器硬盘挂载
服务器硬盘挂载以root用户登录挂载以root用户登录sudo su挂载# mount 挂载源 挂载点mount /dev/hd-vg/zjy_storage /home/zjy/hd-store
2021-05-14 13:33:51
158
原创 zsh & oh-my-zsh 配置教程
zsh & oh-my-zsh 配置教程前言安装主题插件reference前言相比于 Ubuntu 的默认shell Bash，Zsh 具有：更多的自定义选项支持扩展更强大的命令补全命令高亮相比默认的 Zsh 配置， robbyrussel 在 GitHub 上制作了一个配置文件 oh-my-zsh，可以更为简单方便地配置使用 Zsh ：https://github.com/ohmyzsh/ohmyzsh安装官方安装说明：https://ohmyz.sh/直接执行即可安装：
2021-04-27 18:50:02
478
原创 Text-to-SQL
Text-to-SQL1 Single table（WikiSQL）1.1 Encode1.1.1 NL和DB的交互（对齐）预训练的方法STRUG：https://blog.csdn.net/qq_42341984/article/details/115615653TaBert：学习自然语言描述和数据库的（半）结构化信息的联合表示 https://www.sohu.com/a/413894298_657157GRAPPA：ICLR 2021在文本数据和表数据的联合表示中学
2021-04-18 23:12:28
400
原创 【P16】GRAPPA: Grammar-Augmented Pre-Training for Table Semantic Parsing
GRAPPA: Grammar-Augmented Pre-Training for Table Semantic Parsing
2021-04-18 20:02:30
1086
原创 【P15】Structure-Grounded Pretraining for Text-to-SQL
Structure-Grounded Pretraining for Text-to-SQLAbstract1. Introduction2. Related Works3. Methodology3.1 Context-free Grammar Pre-training（GP）3.2 Question-Schema Serialization and Encoding4. Experimental ResultsNAACL，2021https://arxiv.org/pdf/2010.12773.p
2021-04-14 15:12:47
244
原创 IRNET 的 memory augmented pointer network
IRNET 的 memory augmented pointer networktable_appear_mask_val = torch.from_numpy(table_appear_mask)if self.cuda: table_appear_mask_val = table_appear_mask_val.cuda()if self.use_column_pointer: gate = F.sigmoid(self.prob_att(att_t)) weights =
2021-03-12 14:44:25
162
原创 【P14】GP: Context-free Grammar Pre-training for Text-to-SQL Parsers
GP: Context-free Grammar Pre-training for Text-to-SQL ParsersAbstract1. Introduction2. Related Works3. Methodology3.1 Context-free Grammar Pre-training（GP）3.2 Question-Schema Serialization and Encoding4. Experimental ResultsJournal of Artificial Intellig
2021-03-09 16:07:36
239
原创 【P13】SeqGenSQL - A Robust Sequence Generation Model for Structured
SeqGenSQL - A Robust Sequence Generation Model for StructuredAbstract3 Model3.1 Question Augmentation3.2 Reversed Trainer Model（Data Augmentation）3.3 Gated Extraction Network3.4 Execution Guided Inferencehttps://arxiv.org/abs/2011.03836Implementation: h
2021-03-06 22:49:42
191
1
原创 SSH免密登录服务器（非默认端口）
SSH免密登录服务器ssh-copy-id -i .ssh/id_rsa.pub -p [port] User@HostName例如：ssh-copy-id -i .ssh/id_rsa.pub -p 19222 zjy@10.108.1.1
2021-03-03 11:49:39
414
2
原创 【P12】Semantic Parsing with Semi-Supervised Sequential Autoencoders
Semantic Parsing with Semi-Supervised Sequential Autoencoders1 Introduction2 Model1 Introduction在本文中，我们专注于学习从输入序列x到输出序列y的映射，在这些领域中，后者很容易获得，但以(x，y)对形式的注释是稀疏或昂贵的，并提出了一种新的架构，以适应序列转导任务的半监督训练。为此，我们用自动编码目标增强了转导目标(x 7 y)，其中输入序列被视为一个潜伏变量(y 7 x 7 y)，从而可以从标记的对和未配对
2021-02-28 15:13:53
175
1
原创 【P11】X-SQL: reinforce schema representation with context
X-SQL: reinforce schema representation with contextAbstract1 Introduction2 Neural ArchitectureAbstract针对 NL-to-SQL 的解析问题，本论文提出了一种新的网络体系结构X-SQL。利用bert风格的预训练模型（MT-DNN）的上下文输出来增强结构模式表示，并**结合类型信息（ type information）**来学习用于下游任务的新模式表示。1 IntroductionX-SQL 从以下三个
2021-02-06 00:34:12
602
原创 【P10】Bridging Textual and Tabular Data for Cross-Domain Text-to-SQL Semantic Parsing
Bridging Textual and Tabular Data forCross-Domain Text-to-SQL Semantic ParsingAbstract1 Introduction1.1 任务介绍1.2 两个问题2 Related work2.1 expression fragmentation 表达式分片问题2.2 operand-context separation 操作数-上下文分离问题3 EPT: Expression-Pointer Transformer3.1 Input
2021-02-05 21:52:46
483
原创 Memory Network
Memory Network总结：Memory Networks相关的论文和实现深度学习和自然语言处理中的attention和memory机制
2021-01-31 21:05:45
275
1
原创 【P9】Point to the Expression：Solving Algebraic Word Problems using the Expression-Pointer Transformer
Point to the Expression: Solving Algebraic Word Problems using the Expression-Pointer Transformer Model
2021-01-22 17:51:30
219
原创 ubuntu20.04安装nvidia显卡驱动/CUDA/cuDNN
ubuntu20.04安装nvidia显卡驱动/CUDA/cuDNN1 安装显卡驱动1.1 禁止secure boot1.2 安装闭源驱动1.3 重启查看驱动2 安装CUDA2.1 下载2.2 安装CUDA2.3 配置环境2.4 查看CUDA3 安装cuDNN3.1 下载3.2 安装cuDNN查看cuDNN1 安装显卡驱动1.1 禁止secure boot这一步很重要，如果bios中为enable，驱动将安装失败。windows每次开机有可能自动开启secure boot，所以安装前要确认为禁用状态
2020-11-29 18:42:36
13556
3
原创 重装win10详细教程
如何重装win101 准备工作1.1 下载win10镜像1.2 制作启动盘1.3 将win10镜像放入U盘2 开始安装2.1 BIOS设置2.2 正式开始安装系统2.2.1 PE内将要安装的系统ISO镜像挂载为虚拟光驱2.2.2 运行Windows安装程序Setup.exe一步一步开始安装2.2.3 开机设置3 激活1 准备工作1.1 下载win10镜像下载地址：https://next.itellyou.cn/Original/Index#business editions：Home(家庭版)
2020-11-26 21:36:31
381
原创 【P8】Mention Extraction and Linking for SQL Query Generation
Mention Extraction and Linking for SQL Query GenerationAbstract1 Introduction2 Method2.1 Extractor2.2 Schema Linking as Matching2.3 AGG prediction enhancement2.4 Automatic Annotation via Alignment3 Experiment3.1 Results4 Related Work5 Conclusion and Future
2020-11-20 23:00:08
638
4
原创 AI训练营——贝叶斯理论与模型基础、SVM 理论
贝叶斯理论与模型基础、SVM 理论贝叶斯决策理论最小错误率贝叶斯决策三个概率贝叶斯公式应用最小风险贝叶斯决策区别统计学习理论和SVM影响机器学习效果的因素本质SVM贝叶斯决策理论最小错误率贝叶斯决策三个概率 举例 先验概率 类条件概率密度函数 鲑鱼和鲈鱼的长度分布： 后验概率 区别 贝叶斯公式 应用 机器学习“判定模型”和“生成模型”有什么区别？最小风险贝叶斯决策区别 统计学习理论和SVM 影响机器学习效果的因素 −∞-
2020-11-19 14:25:01
323
原创 ubuntu/deepin安装配置mysql
https://blog.csdn.net/wangyijieonline/article/details/105360138
2020-11-19 13:32:27
121
原创 【P7】CodeBERT: A Pre-Trained Model for Programming and Natural Languages
【P7】CodeBERT: A Pre-Trained Model for Programming and Natural LanguagesAbstract1 Introduction2 Background2.1 Pre-Trained Models in NLP2.2 多模态Pre-Trained ModelsAbstract我们提出了CodeBERT，一个用于编程语言（PL）和自然语言（NL）的双模态预训练模型。CodeBERT可以学习通用的表示方法，支持下游NL-PL应用，如自然语言代码搜索、
2020-11-15 18:55:16
1793
原创 【P5】Attention Is All You Need
Attention Is All You Need1 模型结构EncoderDecoder2 Attention机制2.1 Scaled Dot-Product Attention2.2 Multi-Head Attention33.1 Positional Encodings1 模型结构 Transformer 是基于经典的Encoder-Decoder架构：Encoder 的输入由 Input Embedding 和 Positional Embedding 求和组成。Decoder
2020-11-13 00:49:55
268
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