- 博客(7)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 common-pool2
文章目录1、简介2、核心接口3、对象池逻辑分析3.1、对象池接口说明3.2、 对象创建解耦3.2、池对象的状态3.3、对象池相关配置项3.4、对象池源码分析4、对象池`browObject`的逻辑5、对象池`returnObject`的过程执行逻辑6、对象池的自我保护机制7、工厂的`passivateObject(PooledObject p)`和`passivateObject(PooledObject p)`即对象的激活和钝化方法有有什么作用？8、使用步骤9、注意事项1、简介对象池就是一种存放对象的
2021-12-27 17:57:25
1129
原创 【无标题】
文章目录设计模式的六大原则总原则---开闭原则（Open Closed Principle）1、单一职责原则（`Single Responsibility Principle`）2、里氏替换原则（`Liskov Subsitution Principle`）3、依赖倒置原则（`Dependence Inversion Principle`）4、接口隔离原则（`Interface Segregation Principle`）5、迪米特法则（最少知道原则）(`Law of Demeter`)6、合成复用原则（
2021-12-22 18:26:43
195
原创 GAN优化
Towards GAN’s Approximation AbilityA、证明了随着隐藏神经元的增加，输入latent variable的generator可以普遍近似潜在的数据分布。B、提出了一种随机数据生成(SGD)的方法，通过在generator的前馈过程中引入随机性，增强GAN的逼近能力。Improving Generalization And Stability of Generative Adversarial NetworksA、证明了原始GAN的损失训练的discriminator具
2020-05-22 10:48:58
835
原创 GAN网络
Self-Attention Generative Adversarial Networks主要贡献：在GAN网络中加入了自注意力机制，可以从所有位置的细节线索来生成高分辨率细节特征，判别器可以检查图像的远端部分中的高度详细特征是否彼此一致。添加的自注意力机制网络结构如上图。同时，作者还用了以下两个技巧：Spectral normalization: 频谱归一化可以防止参数梯度的上升，避免异常梯度.使得训练更加稳定。Imbalance learning rate for generator a
2020-05-22 10:24:58
1188
原创 Logistic Regression为什么不用Square Error？？？
当最后求梯度的时候，如果fw,b(xn)=1f_{w,b}(x^{n}) = 1fw,b(xn)=1的时候，梯度为0，正常。但是当fw,b(xn)=0f_{w,b}(x^{n}) = 0fw,b(xn)=0时，梯度同样为0，这样就不对了，因为此时的结果是错误的，但是梯度为0却导致学不到任何东西。如上图所示，黑色的为Cross Entropy，当前值距离目标很远的时候，梯度比较大，距离目标比较近的时候梯度小。红色的为Square Error，当前值距离目标远的地方很平缓，导致梯度较小。...
2020-05-18 22:33:29
267
原创 Enhancing TripleGAN for Semi-Supervised Conditional Instance Synthesis and Classification
Summary该篇论文是对TripleGAN网络的进一步改进，主要更改的地方有：由于有限数量的标记数据不足以确定令人满意的决策边界，因此该网络设置了两个分类器，并将协作学习纳入模型。对生成器和分类器的训练目标进行了重新设计，也就是重新设计了损失函数。具体来说就是从潜在空间统计量和语义一致性两个方面对生成器和分类器进行了特征相似匹配，以增强生成器对类条件分布的学习能力。ModelMa...
2020-04-26 15:07:59
516
1
转载 寻找两个有序数组的中位数
题目描述：给定两个大小为 m 和 n 的有序数组 nums1 和 nums2。请你找出这两个有序数组的中位数，并且要求算法的时间复杂度为 O(log(m + n))。你可以假设 nums1 和 nums2 不会同时为空。链接https://leetcode-cn.com/problems/median-of-two-sorted-arrays/solution/示例 1：nums1 ...
2019-01-08 21:54:50
92
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