前言FATE是微众银行开发的联邦学习平台，是全球首个工业级的联邦学习开源框架，在github上拥有近4000stars，可谓是相当有名气的，该平台为联邦学习提供了完整的生态和社区支持，为联邦学习初学者提供了很好的环境，否则利用python从零开发，那将会是一件非常痛苦的事情。本篇博客内容涉及《联邦学习实战》第七章内容，本章主要是介绍当前流行的联邦学习平台，下面就让我们开始吧。1. FATE1.1

分布式系统：概念与设计》认为：分布式系统是若干独立计算机的集合，这些计算机对于用户来说是就像一个单机的系统。作用于若干独立计算机之上，使得这些计算机能够协同执行计算完成某项应用的软件系统。归根结底是为了解决某些类别的应用问题而设计的分布式系统。分类计算密集型应用：CPU 处理能力成为了首要限制因素。数据密集型应用：I/O 带宽成为了首要限制性因素（关键）。可靠的容错保障应该保证故障前后消息的一致性

一篇来自2022年TKDE的有关NER综述的文章，也算是我接触NER以来的第二篇文章，其中第一篇是有关图神经网络在NER中的应用，由于没有基础知识，踩了许多坑，在汇报的时候很多概念也没能阐述清楚，这次通过阅读综述的方式，来对NER领域进行一个全面完整的认识，希望能在这篇CCF A的期刊中得到收获。命名实体识别（NER）的任务是从属于预定义语义类型的文本中识别出实体类型（mentions of ri

C++中const和auto的那些事前言1. const1.1 const修饰普通类型的变量1.2 const 修饰指针变量1.2.1 常量指针1.2.2 指针常量1.2.3 指向常量的常指针1.2.4 三者区别2. auto2.1 auto的用法2.2 auto的注意事项3. const与auto4. 总结前言最近做题在暴力的时候发现了一个问题，就是在一些数据量很大的时候（游离于内存的超出范围）

解题思路：如果考虑头尾的问号，那么就会多出需要判断，最简单的方法是在首尾添加任意字母，让所有的问号都被包围起来，再一个一个遍历寻找，找到后，用a,b,c三个字符就可以替换（根据前后判断选择），代码如下：class Solution {public:string modifyString(string s) {int n = s.size();s.push_back('a');s.insert(0,

一篇关于元学习方法在小样本NER中的应用，来自TKDE2022，作为第一篇在小样本NER中引入元学习方法，还是非常值得借鉴的，但是在大模型的冲击下，这种方法在NER中没办法走得更远，还是得将大模型的知识引入到NER中才能真正解决问题。N-way K-shot小样本设置广泛应用于关系抽取和图像分类，作为序列标注问题的NER，由于一个句子中实体个数和类别未知，导致实体类纠缠在一起，N-way K-sh

前言FATE是微众银行开发的联邦学习平台，是全球首个工业级的联邦学习开源框架，在github上拥有近4000stars，可谓是相当有名气的，该平台为联邦学习提供了完整的生态和社区支持，为联邦学习初学者提供了很好的环境，否则利用python从零开发，那将会是一件非常痛苦的事情。本篇博客内容涉及《联邦学习实战》第七章内容，本章主要是介绍当前流行的联邦学习平台，下面就让我们开始吧。1. FATE1.1

题目大意：给出三场⽐赛以及每场⽐赛的W、T、L的赔率，选取每⼀场⽐赛中赔率最⼤的三个数a b c，先输出三⾏各⾃选择的是W、T、L中的哪⼀个，然后根据计算公式 (a * b * c * 0.65 – 1) * 2 得出最⼤收益解题思路：这道题没有什么算法，就是普通的暴力题，找到每行的最大值，然后输出当前下标所代表的编号（WTL），最后统一计算即可，没有什么花里胡哨的操作，代码如下：#include