自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(17)
  • 收藏
  • 关注

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 14057 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 21:36:31 534

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 23:00:08 883 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 14:25:01 441

原创 AI训练营——系统构建

AI训练营——系统构建

2020-11-19 14:23:54 101

原创 CS231n-Lecture1:Course Introduction

1

2020-11-19 14:22:14 210

原创 CS231n-Assignment 2

flatten的作用relu的求导小于0时,导数为0;大于0时,导数为1。

2020-11-19 14:21:21 264

原创 CS231n-Lecture8:Deep Learning Software

Deep Learning Software

2020-11-19 14:19:52 94

原创 意图网络-意图获取

意图网络-意图获取两种意图表达方式两种意图表达方式自然语言(输入意图的抽象级别高)DSL(输入意图的抽象级别低)

2020-11-19 14:06:55 293

原创 ubuntu/deepin安装配置mysql

https://blog.csdn.net/wangyijieonline/article/details/105360138

2020-11-19 13:32:27 205

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 2285

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 00:49:55 460

原创 NLP中的Attention机制

NLP中的Attention机制

2020-11-10 20:26:25 494 1

原创 【P4】Safely and Automatically Updating In-Network ACL Configurations with Intent Language

【P4】Safely and Automatically Updating In-Network ACL Configurations with Intent LanguageABSTRACT1 INTRODUCTION1.1 Our Approach: Jinjing2 BACKGROUND AND MOTIVATION2.1 Background: ACL2.2 动机和目标3 JINJING OVERVIEW3.1 Intent Language: LAI3.2 A Running Example3.3

2020-11-08 22:43:53 770

原创 意图网络-意图获取和转译

意图网络-意图转译

2020-11-05 16:02:43 1727

原创 【P3】IBN(意图网络)的最新进展

[P3]Recent Advances in Intent-Based Networking: A SurveyAbstractI. INTRODUCTIONII. IBN 标准化工作III. INTENT-BASED PLATFORMSIV. DISCUSSIONS, CHALLENGES AND FUTURE DIRECTIONSV. CONCLUSIONSAbstractI. INTRODUCTION目前,大多数运营商都涉及复杂的网络配置步骤,其中配置和执行更新与底层异构和多样化的基础设施密切相

2020-11-05 15:58:49 1139

原创 【P2】A Design of IoT Device Configuration Translator for Intent-Based IoT-Cloud Services

A Design of IoT Device Configuration Translator for Intent-Based IoT-Cloud ServicesAbstractI. INTRODUCTIONII. RELATED WORKAbstract本文提出了一种用于IoT云服务的IoT设备配置转换器,使不具备IoT环境专业知识的用户能够有效配置其IoT设备。用户的高级配置(基于自然语言)通过NETCONF(网络配置协议)传递给IoT-cloud平台上的翻译器。翻译器使用自动机理论和数据

2020-11-04 09:51:49 482

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

提示
确定要删除当前文章?
取消 删除