PyTorch的影响功能 这是ICML2017最佳论文中对影响函数的PyTorch重新实现：Pang Wei Koh和Percy Liang。 参考实现可以在这里找到： 。 乐于助人 路线图 v0.2 v0.3 v0.4 为什么要使用影响函数？ 影响函数可帮助您根据数据集调试深度学习模型的结果。 当测试单个测试图像时，您可以然后计算哪些训练图像在分类结果上具有最大的结果。 因此，您可以轻松地在数据集中找到标签错误的图像，或将数据集稍微压缩为对您的单个测试数据集很重要的最具影响力的图像。 这样可以提高预测准确性，减少训练时间并减少内存需求。 有关更多详细信息，请参见此处链接的原始论文。 当然，只要您有监督学习的问题，影响力功能当然也可以用于图像以外的数据。 要求 Python 3.6或更高版本 PyTorch 1.0或更高版本 NumPy 1.12或更高版本 要运行测试，进一步

带有噪声学生的自我训练可改善ImageNet分类

这是我国技术部颁布的Web要素服务规范，但是基本是按照OGC的WFS-IS 1.1.0翻译过来的，差别不是很大，基本可以当作中文对照来阅读 OGC原版很容易下到，这就不上传了

Linux Kernel Networking takes you on a guided in-depth tour of the current Linux networking implementation and the theory behind it. Linux kernel networking is a complex topic, so the book won't burden you with topics not directly related to networking. This book will also not overload you with cumbersome line-by-line code walkthroughs not directly related to what you're searching for; you'll find just what you need, with in-depth explanations in each chapter and a quick reference at the end of each chapter. Linux Kernel Networking is the only up-to-date reference guide to understanding how networking is implemented, and it will be indispensable in years to come since so many devices now use Linux or operating systems based on Linux, like Android, and since Linux is so prevalent in the data center arena, including Linux-based virtualization technologies like Xen and KVM.

该文档是对数据库系统所做的介绍，包括实现，以及底层的查询优化等的介绍。

TCPIP Architecture, Design, and Implementation in Linux.zip（英文版PDF&EPUB;）

a matlab implementation of adaptive 2 d - bem

Database Systems_ Design, Implementation, & Management 11ed

Physically-Based.Rendering.-.From.Theory.To.Implementation.pdf

GTEx数据集（V8）的条件变量自动编码器 该项目旨在使用生成模型生成合成基因表达数据。 我们首先研究数据的3D表示形式以及可能要依据的变量，以便有效地分离分布。 当前模型以组织为条件。 组织着色的GTEx数据集（1000个随机基因）的3D表示形式（UMAP，TSNE，PCA）： CVAE当前的重建质量，取决于组织。 基于： 对VAE方差损失论文： ， ， 项目进度： 基准模型创建 评估潜在空间中的均值，绝对差和分组的函数 模型调整 潜在空间大小 批次大小，学习率（应尽早确定时期数） 附加致密层的数量，每个附加层中神经元的数量 有条件的VAE模型（条件之一：组织或年龄） b-VAE模型（损失函数中的MSE / KL散度权重） 相关的VAE（ ） torch_model.py神经网络的层和属性 gtex_loder.py加载基因表达数据集 torch_train