- 博客(196)
- 资源 (3)
- 收藏
- 关注
RSS订阅原创 PaperNotes(21)-Safety-compliant Generative Adversarial Networks for Human Trajectory Forecasting
人群中人类轨迹预测的主要难点：建模社会交互(social interactions) 和 生成无碰撞的多模态轨迹。随着SGAN(Social Generative Adversarial Networks)的成功，其后有许多‘人群中人类运动的建模’工作是基于GAN展开的。虽然这些工作在减少距离度量方面表现良好，但是都很难产生社会能够接受的轨迹；因为这些轨迹一般都会造成很高的碰撞风险。为了解决人类轨迹预测无法实际使用的问题(碰撞风险太高了)，本文提出了SGANv2模型。
2023-01-04 22:53:29
503
原创 ML(15)- RNN-LSTM-tf.nn.rnn_cell
RNN-LSTMRNN-Recurrent Neural Network-循环神经网络LSTM-Long Short-Term Memory循环神经网络xxxx，其中：xix_ixi 为网络输入hth_tht 为t时刻的输出基本实验再说–参考：https://colah.github.io/posts/2015-08-Understanding-LSTMs/...
2022-03-26 21:53:48
1794
1
原创 PaperNotes(20)-Attention Is All You Need
2017 - self-attention -《Attention is all you need》- Transformer-谷歌CAttentionQKVsoftmaxdkQKT∗Vdk为 scaling factorQsizePF: QueryKsizePF: KeyVsizePF: Value当QKV同一个集合特征PF′。
2022-03-19 14:08:44
869
原创 PaperNotes(19)-TGAN、DeliGAN
T-GAN1.从RS-GAN说起2.T-GANAbstract1 Reviews of GANs4 Experiments4.1 Design of Discriminator5.Conclusion1.从RS-GAN说起SGAN 就是标准的 GAN（Standard GAN）。这个建模过程似乎对判别器的要求过于苛刻了，因为判别器是孤立运作的：训练生成器时，真实样本没有参与，所以判别器必须把...
2022-03-19 14:06:49
456
原创 TensorFlow(4)-tfrecord数据存储、读取
TFRecord1. tf.train.Example1.1 tfrecord 数据范式转化1.2 demo 数据集构建2. TFRecord 读写2.1 写入1-tf.io.TFRecordWriter()2.3 读取-tf.data.TFRecordDataset()2.3 data -> dataset -> 存储-tf.data.experimental.TFRecordWriter()tfrecord 用于存储二进制序列数据的一种范式，按顺序存，按顺序取。里面存的每一条数据都是一个
2022-03-19 11:42:04
2537
原创 TensorFlow(3)-与训练相关的操作
与训练相关的操作1. tf.control_dependencies(update_ops)如果你的模型训练出不了效果，可能的原因太多了，没搞清tf 中各个函数的具体作用可能就是其中一个原因。本文记录【如果不理清，会造成无法解释的训练现象的操作】。1. tf.control_dependencies(update_ops)tf.control_dependencies()–保证其作用域内的操作必须要在该函数所传递的参数中的操作完成后再进行。 如下Code Demo,只有在update_ops 操作完
2022-02-27 19:39:22
678
原创 TensorFlow(2)-tf.data.Dataset训练数据集构建
tensorflow 数据载入1. tf.data.Dataset2. dataset 创建数据集的方式2.1 tf.data.Dataset.from_tensor_slices()2.2 tf.data.TextLineDataset()2.3 tf.data.FixedLengthRecordDataset()2.4 tf.data.TFRecordDataset()3. dateset 迭代操作iterator3.1 make_one_shot_iterator()3.2 make_initiali
2022-02-27 17:09:34
4693
原创 Tensorboard--模型可视化工具
Tensorboard1.tensorboard in tensorflow1.1 tensorboard的启动过程1.2 tf.summary 可视化类型1.3 tf.summary 使用demo2.tensorboard in pytorch2.1 SummaryWriter 使用demotensorboard in tensorflow ：tensorboard 是一套用于tensorflow训练过程可视化工具，能够可视化模型的结构，参数，损失函数等。最常用于记录训练过程中参数和损失函数值的变化，
2022-02-25 19:59:49
1880
原创 TensorFlow(1)-模型相关基础概念
TensorFlow1TensorFlow教程：TensorFlow快速入门教程（非常详细）tensorflow 是什么计算图–可以认为是详细的流程图，其包括每一步的操作[op]和变量名字。训练一个神经网络：定义好变量/参数，以及每一步的计算[包括输出]建立一...
2022-02-15 21:07:31
875
原创 Git(12)-stash, reflog
git stash1. git stash命令概览git stash save "WIP:xxxxx" # save后可以跟笔记，WIP:work in process 1. git stash典型工况1: 中断工作流典型工况2: 在脏的树中进行拉取（pull into a dirty tree）git stash save 保存当前索引和工作目录的状态，并且将当前索引和工作目录的内容清除并匹配到当前分支的头部。git stash 命令默认就是git stash save.git st
2021-12-19 11:53:25
431
原创 Git(9)-diff
分支diff in Linux/UnixLinux/Unix 系统中存在diff 命令，可以用来显示两个文本/工作路径的差异。Git diff 在此基础上进行的扩展。diff in Linux/Unix
2021-10-15 09:32:45
182
原创 Git(8)-分支
分支1. 分支名2.创建分支分支是软件项目中启动一条单独开发线的基本方法。**分支-**动态名字，随着每次的提交移动，跟随你持续开发的过程。**标签-**静态名字，不随着时间的推移而改变，一旦应用不应该对它做任何改动，可用于标识拥有关键差异特征的提交点位。可以使用同一个名字来命名分支和标签，但是不推荐。1. 分支名默认分支是master(正在改为main)，分支名字始终指向改分支上的最近提交版本。使用层次分支- bug/pr-1023, bug/pr-17 这种层次分支支持通配符选择。路径
2021-10-12 09:41:14
286
1
原创 Git(7)-Git commit
Git提交1.识别不同的提交1.1绝对提交名-ID1.2 引用和符号引用--HEAD2.查看提交的历史记录-git log3.提交图-gitk4.提交的范围4.1 X..Y4.1 X...Y5.查找bad 提交--git bisect6.查看代码修改者-git blame1.识别不同的提交在开发的过程中，能正确的区分不同的提交是十分必要的。例如，在新建分支时，必须要选择某个提交来作为分支点；当比较代码差异时，必须指明两个提交。在git中可以通过显示引用或者隐式引用来指代每一个提交。当你要与同事讨论相同
2021-09-04 11:28:35
430
原创 Git(6)-Git配置文件、底层操作命令
Git基本命令1. 常用(迷糊)命令-冷知识2. git 配置2.1 设置 配置文件2.2 查看 配置文件--git config -l2.3 移除 配置文件设置--unset2.3 命令别名 --alias3.git 对象 （git底层操作命令）3.1 初始化一个版本库3.2 新建一个简单的blob 对象3.3 基于散列值查看文件内容 git cat-file -p xxx3.4 查看文件关联-git ls-files -s3.5 树对象创建git write-tree3.6创建提交对象 git comm
2021-08-29 12:53:33
496
原创 PythonLibs(10) - open (cvs, .json, .mat)
Ubuntu装机ssh服务器搜狗输入法conda环境pytorch–安装页面-通过previous-version of pytorch装自己想要的版本VsCode-官网下载deb包安装Pycharm-官网下载社区版or 专业版的tar.gz安装包。运行bin底下的./pycharm.sh 只能一次执行，看看如何做到一直执行...
2021-07-17 20:52:26
245
1
原创 推荐系统(6)-注意力机制+深度推荐模型、强化学习推荐系统
注意力机制+深度推荐模型1.AFM -20172.DIN-20173.DIEN-20191.AFM -2017浙江大学–基于模型结构的改进引入注意力机制FM， 可视为NFM模型的改进。给特征交叉池化后的特征向量施加不同的注意力权重。出发点：预测某一男性是否购买某一键盘。那么‘性别为男且历史行为购买过鼠标’ 这一交叉特征 很可能 比 ‘性别为男且年龄为30’这一交叉特征更为重要。具体做法：交叉特征进全联接层，softmax输出 特征权重。全联接层的参数随网络训练(感觉注意力机制池化层就是多加了一个
2021-05-24 23:35:34
867
原创 推荐系统(5)-深度推荐模型-AutoRec、DeepCrossing、NeuralCF、PNN、Wide&Deep、FNN、DeepFM、NFM
GBDT+LR《深度学习/推荐系统》读书笔记2016年开始，推荐系统和计算广告全面进入深度学习时代。AutoRec
2021-05-19 23:15:30
503
原创 PaperNotes(18)-MultiPath、Multipath++
MULTIPATH++: EFFICIENT INFORMATION FUSION AND TRAJECTORY AGGREGATION FOR BEHAVIOR PREDICTION
2021-05-18 23:19:47
222
原创 PaperNotes(17)-TNT
TNT: Target-driveN Trajectory Predictionhttps://arxiv.org/abs/2008.08294
2021-05-18 23:19:27
109
原创 PRML(4)--Chapter2(下)-非参数估计
PRML第二章下-非参数估计1.直方图2. 核方法3. K近邻概率密度建模-参数化方法-概率密度的形式一定，由数据集确定密度中的参数即可。局限性–概率模型选的不对，不能够描述数据模态此时，介绍一下非参数方法–直方图，核方法， K紧邻1.直方图直方图–密度估计–每个直方处密度,nin_ini该直方内的样本数，N总样本数，Δ\DeltaΔ该直方宽度pi=niNΔip_i=\frac{n_i}{N\Delta_i}pi=NΔini缺点：在直方交界处概率密度不连续D维变量，每个维度
2021-05-10 23:20:53
121
原创 PRML(3)--Chapter2(上)-概率分布-二元变量、多项式变量、高斯分布、指数族分布
PRML第二章2.1二元变量2.1.1 beta 分布2.2 多项式变量简单的模型中讨论一些关键的统计学概念–贝叶斯推断本章讨论概率分布是为了实现密度估计：给定有限次观测x1,...,xN\bm{x}_1,...,\bm{x}_Nx1,...,xN,对随机变量x\bm{x}x的概率分布p(x)p(\bm{x})p(x)建模。密度估计本来是病态的，因为产生观测数据集合的概率分布可能有无限种。本章主要内容：1.参数分布：拥有少量可以调节的参数，控制了整个分布。密度估计就是确定参数的过程–离散随
2021-05-10 23:20:32
541
原创 Linux(12)-Ubuntu装机后的基础应用
正则表达式demo1:在某个文件中寻找命令seddemo2:寻找8位电话号码正则表达式：用来描述或者匹配某一系列符合某个句法队则的字符串或者单个字符串。最初正则表达式，出现在自动控制理论和形式化语言理论中。Linux 中 find grep sed ls命令都支持正则表达式，vim, Emacs编辑器，shell编程都支持正则表达。demo1:在某个文件中寻找命令sed# grep <字符串> <文件名> > <输出文件名>grep "sed" ./le
2021-05-09 23:30:30
247
原创 Linux(11)-Ubuntu装系统
文件权限,chmod1. 文件权限的概念2. 修改用户权限1. 文件权限的概念Linux中一切皆文件，目录可以看作内容是 文件列表 的文件。文件涉及的三种权限–读，写，执行注意：目录的读权限 表示能用ls查看文件列表目录的写权限 表示能删除、移动、添加目录中的文件目录的执行权限 表示能够使用cd 命令进入该目录权限 针对 三类用户： 文件所有者(小明)、群组(小明的家人)、其他(隔壁老王)/home/xxx 目录下的文件基本上都属于xxx用户/etc, /usr, /bin 系统目录
2021-05-06 23:57:59
513
原创 Linux(10)-Make编译，Configure
命令行的使用1.终端shell,manLinux入门很简单-第六章笔记1.终端shell,manLinux 是一个内核，内核管硬件-显卡、声卡、内存、硬盘、硬盘上的程序调度Shell–将程序猿操作意图转述给内核。其本质是一个二进制程序，路径/bin/bash。终端负责提供输入命令的交互界面，去环境变量Path中唤醒对应的命令程序，执行具体的操作。多种多样的shell终端–bash,csh,ksh。ubuntu 中默认的shell 是bash。（在/etc/passwd文件中会表明默认的shel
2021-04-30 22:25:44
902
1
原创 PaperNotes(16)-Learning Lane Graph Representations for Motion Forecasting
自动驾驶论文阅读笔记21.ActorNet2.MapNet《Learning Lane Graph Representations for Motion Forecasting》Uber–ECCV2020–论文文章代码模型的作用：Motion Forecasting （这个motion都包括什么呢？）方法：模型由四个模块组成–ActorNet、MapNet、FusionNet、Header1.ActorNet作用–编码actor轨迹特征输入：每一条actor的轨迹（3xT的输入向量）(act
2021-04-29 23:40:36
1522
原创 推荐系统(4)-逻辑回归LR、POLY2、FM、FFM
逻辑回归《深度学习/推荐系统》读书笔记融合多种特征，通过sigmoid 函数，预测样本z的被点击的概率。f(z)=11+e−zf(z)=\frac{1}{1+e^{-z}}f(z)=1+e−z1CTR-Click Through Rate将用户的年龄、性别、物品属性、描述、时间、地点等特征数值化成特征向量确定罗辑回归模型的优化目标（点击率模型就是最大似然函数），训练模型权重参数推断阶段，输入特征向量，得到某个用户对物品点击的概率对物品点击概率进行排序后推荐。记样本被点击的概率为P(
2021-04-29 23:40:16
777
原创 PaperNotes(15)-VectorNet- Encoding HD Maps and Agent Dynamics from Vectorized Representation
自动驾驶论文阅读笔记1.VectorNet- Encoding HD Maps and Agent Dynamics from Vectorized Representation1.VectorNet- Encoding HD Maps and Agent Dynamics from Vectorized RepresentationVectorNet: 通过矢量化表示编码高精度地图与动态交通参与者自动驾驶大佬waymo论文翻译目标：轨迹预测方法：向量化表示地图和移动agent（轨迹，车道线
2021-04-26 23:29:09
2774
2
原创 ML(14)-关联规则分析
关联规则分析1.简单来说-关联规则2.经典关联规则挖掘-Apriori1.简单来说-关联规则关联规则–通过量化的数字描述物品甲的出现 对 物品乙的出现 有多大影响。最早是为了发现超市销售数据库中不同的商品之间的关联关系：哪组商品可能会在一次购物中同时购买。广泛应用于–购物篮数据，生物信息学，医疗诊断，网页挖掘和科学数据分析。关联规则举例：购买面包的用户很有可能会购买牛奶，面包≥牛奶面包\geq 牛奶面包≥牛奶，面包为前项，牛奶为后项。面包降价销售，适当提高牛奶的售价。这一关联规则，可能会增加
2021-04-25 23:32:37
437
原创 推荐系统(2)-协同过滤1-UserCF、ItemCF
协同过滤1.CF概述2.数据表示3.衡量相似度4.共现矩阵5.UserCF6.ItemCF7.UserCF 与ItemCF 应用场景、主要缺陷《深度学习/推荐系统》读书笔记推荐系统的发展一日千里传统的推荐模型(2010年前后)：协同过滤、罗辑回归、因子分解、梯度提升树深度学习推荐模型(2015年后)：…在深度学习推荐模型成为推荐、广告、搜索领域的主流，但是传统推荐模型学习十分必要。因其为深度学习推荐模型的基础，并且具备可解释性强、硬件环境要求低，易于快速训练和部署等不可替代的优势。1.CF概述
2021-04-24 23:54:36
636
原创 推荐系统(1)-概述
推荐系统概述1.数据部分2.模型部分2.1模型的组成2.2模型的训练2.3模型评估《深度学习/推荐系统》读书笔记推荐系统要处理的问题：对于用户U(user)，在特定的场景C(context)，针对海量的“物品信息”，构建一个模型f(U,I,C)f(U,I,C)f(U,I,C), 预测用户对于特定候选物品I(item)的喜好程度，再依据喜好程度对所有候选物品进行排序，生成推荐列表的问题。推荐系统的最终优化目标包括两个维度：用户体验的优化公司商业利益的优化在信息过载的时代，如何高效推荐。推荐算
2021-04-22 00:10:52
107
原创 ML(13)-聚类
聚类1.K-mean2.系统聚类3.DBSCAN聚类算法聚类：无监督学习，将相似的样本聚为一类。核心如何定义相似。分类：有监督学习，依据分类准则，将样本划分为不同的类。核心分类器的设计（KNN）聚类：根据彼此不同的属性进行辨认，将具有相似属性的事物聚为一类，使得同一类的事物具有高度的相似性。1.K-mean随机选取k个类别中心计算每个样本点到每个中心的距离，将样本归类到距离最近的类中。依据每个类的样本更新类中心重复2，3直至类中心变化小于某个阈值。K-meas 算法的优点：简介快速，
2021-04-22 00:10:00
1331
原创 ML(12)-图卷积神经网络GCN-笔记
图神经网络简史、简介从图(Graph)到图卷积(Graph Convolution)：漫谈图神经网络模型 (二)(https://www.cnblogs.com/SivilTaram/p/graph_neural_network_2.html)该文详细写明了设涉及的参考材料，是一个很棒的综述性材料。本文仅作为阅读该系列文章的笔记，详情请参考原文。此前的图神经网络是基于循环结构，此篇主要介绍基于...
2021-04-22 00:09:45
719
原创 ML(11)-图神经网络GNN简史、不动点建模-笔记
图神经网络简史、简介阅读笔记：从图(Graph)到图卷积(Graph Convolution)：漫谈图神经网络模型 (一)(https://www.cnblogs.com/SivilTaram/p/graph_neural_network_1.html)该文详细写明了设涉及的参考材料，是一个很棒的综述性材料。本文仅作为阅读该系列文章的笔记，详情请参考原文。2005年–图神经网络的概念被提出，2009年–Franco博士在论文[1]《The graph neural network model》阐明
2021-04-10 00:04:03
1905
原创 ML(10)-图神经网络、PyG极简版入门笔记
图神经网络概况1.概况2.图卷积的通式2.1实现12.2实现22.3实现3参考博文：https://zhuanlan.zhihu.com/p/895030681.概况Graph Embedding：表示学习的范畴，将图中节点/将整个图表示为低维、实值、稠密的向量。（可以将用户表示成向量的形式，再勇于节点分类任务）图嵌入的方式有三种：矩阵分解，deepWalk, 图神经网络Graph Neural Netvork：神经网络在图上应用的模型统称。依据传播的方式不同，可以分为图卷积神经网络，图注意力网络，
2021-04-10 00:03:46
1111
名片管理系统.rar
2019-06-25
Modeling the World from Internet Photo Collections.pptx
2019-05-14
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人