![](https://img-blog.csdnimg.cn/20190927151124774.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
机器学习
文章平均质量分 92
多模态、计算机视觉、NLP等
Carl39
这个作者很懒,什么都没留下…
展开
-
【多模态】AIGC论文笔记整理(持续更新)
如下图(a)所示,左侧是传统的神经网络块,输入特征图x,得到输出y。而加入ControlNet结构后,如下图(b)所示,ControlNet段额外引入了一个条件控制信息c(可以是上图中的素描稿、边信息或人类动作信息等),同时引入一个新的结构——zero convolution,一个1x1的初始权重为0的卷积层。在反向过程中,通过训练神经网络(通常是UNet结构)来拟合前向过程中加入的噪声的分布,试图在每两个step之间消除在前向过程中加入的随机噪声,使图像恢复到添加噪声之前的状态,也就是去噪。原创 2023-09-07 21:28:43 · 691 阅读 · 3 评论 -
【DB&AI】论文笔记整理
Survey & Tutorial1.【2020-11】基于机器学习的数据库技术综述Database DesignDatabase DiagnosisIndex OptimizationWorkload Scheduling1.【2020-7】Buffer Pool Aware Query Scheduling via Deep Reinforcement Learning作者认为可以通过降低查询访问磁盘的次数,也就是提高缓存命中率 (buffer hit rate) 的方法,来提高原创 2022-02-19 11:16:28 · 918 阅读 · 0 评论 -
【DB&AI】《基于机器学习的数据库技术综述》
原文链接《基于机器学习的数据库技术综述》李国良、周煊赫等著,发表于《计算机学报》,2020-11-5.文章结构导图整体概述传统数据库技术往往依赖于启发式算法或者人工干预,例如数据库参数调优、故障诊断、索引推荐等。然而在大数据时代,数据库实例越来越多、场景越来越复杂、数据量越来越大, 导致传统数据库技术难以满足大数据的需求。机器学习技术因其较强的学习能力,逐渐在数据库领域展现潜力和应用前景, 为数据库优化技术带来了新的机遇。但是由于传统机器学习模型相对简单(如线性感知器、回归模型等),往往只能从原创 2022-02-05 16:57:07 · 2870 阅读 · 0 评论 -
【DB&AI】《Buffer Pool Aware Query Scheduling via Deep Reinforcement Learning》
原文链接DeepDB: Learn from Data, not from Queries!Benjamin Hilprecht等著,发表于2019-11-2,基于学习的数据库管理系统 (Learned DBMSs) 相关。整体概述原创 2022-02-11 16:35:29 · 935 阅读 · 0 评论 -
【Kaggle】Kaggle平台使用方法
Kaggle主页Kaggle主页如图,点击左侧Competition选项可以查看竞赛题目,下方还会显示你最近浏览的竞赛项目。竞赛页面概览:竞赛的基本信息,包括描述、评分标准、重要时间节点和奖金等。数据集:竞赛提供的数据集。代码:可以看到一些参赛者分享的代码和思路。讨论:竞赛的讨论区。排行榜:可以查看参赛者的测试结果和排名情况。规则:参赛守则。配置Kaggle竞赛环境安装Kaggle库在下载数据前,首先需要安装Kaggle库,打开命令行输入pip命令即可安装。pip install原创 2022-02-07 11:05:47 · 8174 阅读 · 0 评论 -
【视频串流】《Lumos: towards Better Video Streaming QoE through Accurate Throughput Prediction》
Lumos:为流式视频传输提供更好的吞吐量估计原创 2022-08-06 16:51:14 · 821 阅读 · 0 评论 -
【图像/视频压缩】论文笔记整理
压缩图像压缩视频压缩原创 2022-03-23 21:55:53 · 5513 阅读 · 0 评论