logo
publist
写文章

简介

该用户还未填写简介

擅长的技术栈

可提供的服务

暂无可提供的服务

进程与线程——操作系统阶段测试笔记

操作系统用来对并发运行的进程控制和管理的数据结构是进程控制块会引起进程创建的情况:系统初始化;正在运行的程序执行了创建进程的系统调用;用户请求(用户应用请求、用户登录);批处理作业初始化(作业调度)分时(交互式)操作系统:响应时间与习惯性批处理操作系统:吞吐量与周转利用率实时操作系统:截止时间与前瞻预测在分时操作系统中,需要使用到的是:多道程序设计技术、终端命令解释程序、中断处理、系统调用并发进程

文章图片
#操作系统
李宏毅-2023春机器学习 ML2023 SPRING-学习笔记:3/3 机器学习基本概念介绍

机器学习 ≈ 机器自动寻找一个函数f例如:chatGPT:输入:“什么是机器学习”通过函数f,输出:“机”Midjournery:输入:一只可爱的猫,通过函数f,输出:一张猫猫图片Regression(回归)与Classification(分类)Regression:函数的输出是一个数值例如:输入输入今天的PM2.5值、温度、臭氧量等,输出明天的PM2.5值Classification:函数的输出

文章图片
#机器学习#学习
李宏毅-2023春机器学习 ML2023 SPRING-学习笔记:4/7 Diffusion Model 原理剖析(optional)

4:从平均值(mean)=0,方差(variance)=1的normal distribution中sample出ε,大小与image一致,是一张全是噪音的图片。我们会发现,噪声只由β序列和xt-1所决定(固定的而非可学习的过程),且生成xt-1时只依赖于xt,可以得出在添加噪声的过程中,是一个马尔科夫链过程,进而得出。αT),得到带有噪音的图片(α越大得到的图片带有的噪音占比越大);注意,在得到

文章图片
#机器学习#学习
李宏毅-2023春机器学习 ML2023 SPRING-学习笔记:4/7 Diffusion Model 原理剖析(optional)

4:从平均值(mean)=0,方差(variance)=1的normal distribution中sample出ε,大小与image一致,是一张全是噪音的图片。我们会发现,噪声只由β序列和xt-1所决定(固定的而非可学习的过程),且生成xt-1时只依赖于xt,可以得出在添加噪声的过程中,是一个马尔科夫链过程,进而得出。αT),得到带有噪音的图片(α越大得到的图片带有的噪音占比越大);注意,在得到

文章图片
#机器学习#学习
李宏毅-2023春机器学习 ML2023 SPRING-学习笔记:3/3 机器学习基本概念介绍

机器学习 ≈ 机器自动寻找一个函数f例如:chatGPT:输入:“什么是机器学习”通过函数f,输出:“机”Midjournery:输入:一只可爱的猫,通过函数f,输出:一张猫猫图片Regression(回归)与Classification(分类)Regression:函数的输出是一个数值例如:输入输入今天的PM2.5值、温度、臭氧量等,输出明天的PM2.5值Classification:函数的输出

文章图片
#机器学习#学习
李宏毅-2023春机器学习 ML2023 SPRING-学习笔记:前言

课程主页:https://speech.ee.ntu.edu.tw/~hylee/ml/2023-spring.phpGithub:https://github.com/Fafa-DL/Lhy_Machine_Learning目录2/24 正确认识chatGPT3/3 机器学习基本概念介绍3/10 机器如何生成文句3/17 【生成式AI】大模型+大资料=神奇结果?3/24机器如何生成图像4/7 D

文章图片
#学习#人工智能
李宏毅-2023春机器学习 ML2023 SPRING-学习笔记:3/10机器如何生成文句

相关论文:Transfer Text-to-text Transformer(T5,超长论文67页),使用的训练集:Colossal Clean Crawled Corpus(C4,一个超大的训练集,大小有7P)3.Least-to-most prompting:先让机器自己将问题进行拆分,再将问题和拆分后的问题一起给机器,让他接龙。2.使用Self-consistency的方法:让机器产生多个答

文章图片
#机器学习#学习
Paper Reading: (ShrinkMatc)缩小类空间以提高半监督学习的确定性

题目:《Shrinking Class Space for Enhanced Certainty in Semi-Supervised Learning》,ICCV 2023​缩小类空间以提高半监督学习的确定性日期:2023.8.13单位:香港大学、南京大学、上海AI Lab、悉尼大学、东南大学论文地址:https://arxiv.org/abs/2308.06777GitHub:https://

文章图片
#目标检测#人工智能#计算机视觉 +2
Paper Reading:《LISA: Reasoning Segmentation via Large Language Model》

LISA: Reasoning Segmentation via Large Language Model》基于大型语言模型的推理分割日期:2023.8.1(v1)单位:香港中文大学,思谋科技,微软亚洲研究院论文地址:https://arxiv.org/abs/2308.00692作者:赖昕,香港中文大学三年级博士生,师从贾佳亚教授。主要研究方向是三维点云感知,迁移学习,半监督学习,小样本学习。已

文章图片
#语言模型#人工智能#自然语言处理 +3
Paper Reading: MixTeacher:半监督目标检测中利用混合尺度教师挖掘有前景的标签

题目:《MixTeacher: Mining Promising Labels with Mixed Scale Teacher for Semi-Supervised Object Detection》,CVPR 2023日期:2023.3.16单位:腾讯,上海交通大学,浙江大学,荣旗工业科技公司论文地址:http://arxiv.org/abs/2303.09061作者。

文章图片
#目标检测#人工智能#计算机视觉
    共 15 条
  • 1
  • 2
  • 请选择