目录（一）Few-shot learning（少样本学习）1. 问题定义2. 解决方法2.1 数据增强和正则化2.2 Meta-learning（元学习）（二）Meta-learning（元学习）1. 学习微调 (Learning to Fine-Tune)2. 基于 RNN 的记忆 (RNN Memory Based)3.度量学习 (Metric Learning)4.方法简单比较5.未来方向5

错误：Importing the multiarray numpy extension module failed原因：环境变量的问题其中Pycharm虚拟环境变量引用了系统环境变量，而系统环境变量起初并没有引入C:\ProgramData\Anaconda3\Library\bin所以才导致了Pycharm虚拟环境导入numpy失败，原因就在于包混乱，所以在系统环境变量中导入，也一定要导入到bi

导读】知识图谱一直是学术界和工业界关注的焦点。最近Shaoxiong Ji, Shirui Pan, Erik Cambria, Pekka Marttinen, Philip S. Yu等学者发表了关于知识图谱的最新综述论文《A Survey on Knowledge Graphs: Representation, Acquisition and Applications》，25页pdf涵盖10

一、Self-Attention概念详解Self-Attention详解了解了模型大致原理，我们可以详细的看一下究竟Self-Attention结构是怎样的。其基本结构如下对于self-attention来讲，Q(Query), K(Key), V(Value)三个矩阵均来自同一输入，首先我们要计算Q与K之间的点乘，然后为了防止其结果过大，会除以一个尺度标度，其中为一...

本文将阐述BERT中嵌入层的实现细节，包括token embeddings、segment embeddings, 和position embeddings.目录概览1 Token Embeddings作用实现2 Segment Embeddings作用实现3 Position Embeddings作用实现4 合成表示概览下面这幅来自原论文的图清晰地展示了BERT中每一个嵌入层的作用：和大多数NL

一、Self-Attention概念详解Self-Attention详解了解了模型大致原理，我们可以详细的看一下究竟Self-Attention结构是怎样的。其基本结构如下对于self-attention来讲，Q(Query), K(Key), V(Value)三个矩阵均来自同一输入，首先我们要计算Q与K之间的点乘，然后为了防止其结果过大，会除以一个尺度标度，其中为一...

看懂信息检索和网络数据挖掘领域论文的必备知识总结信息检索和网络数据领域（WWW, SIGIR, CIKM, WSDM, ACL, EMNLP等）的论文中常用的模型和技术总结引子：对于这个领域的博士生来说，看懂论文是入行了解大家在做什么的研究基础，通常我们会去看一本书。看一本书固然是好，但是有一个很大的缺点：一本书本身自成体系，所以包含太多东西，很多内容看了，但是实际上却

OpenKN——网络大数据时代的知识计算引擎近年来，互联网技术和应用模式的快速发展在改变人们生活方式的同时也产生了巨大的数据资源。预计到2020年，全球的数据总量将达到35ZB(1ZB=270B)，其中75%来自个人（主要是图片、视频和音乐），远远超过人类有史以来所有印刷材料的数据总量(200PB1)。随着互联网、物联网、云计算等技术的迅猛发展，网络空间(cyberspace)中各类应

1检查这个指令的参数是否在常量池中，检查是否被加载解析初始化，没有就加载下。2虚拟机为新生对象分配内存，分配方式有指针碰撞，空闲列表.(这里对象的创建是非常频繁的，需要考虑原子性问题)3内存分配后，jvm要将分配到的内存初始化为零值。4jvm对对象进行必要的设置，入对象是哪个类的，对象的hash码，gc5执行init方法...

Keras如果是使用Theano后端的话，应该是自动不使用ＧＰＵ只是用ＣＰＵ的，启动ＧＰＵ使用Theano内部命令即可。对于Tensorflow后端的Keras以及Tensorflow会自动使用可见的ＧＰＵ，而我需要其必须只运行在ＣＰＵ上。网上查到三种方法，最后一种比较方便：使用tensorflow的with tf.device('/cpu:0'):函数。简单操作就是把所有命令都放在前面...