semi-supervised-learning 深度学习半监督相关算法，主要是文献《Mean teachers are better role models》算法，经测试在一般分类问题上精度都会有几个点的提升。 1.数据存放到data目录，每个类别图片存放到一个文件里面，然后用makelist生成列表文件：path label，把无标签的数据标签设置为：-1 2.运行mean_teacher.py

Thomas M.Jahns 2009年北京演讲稿

Role部署LNMP+HAproxy+keepalived高可用.docx

信息安全_数据安全_Role of the Board in Your Cybers 安全研究 企业安全 安全研究 云安全 安全分析

角色-ec2_server 启动 ec2 服务器

openstack

Graylog侧车 Ansible角色，用于安装和配置Graylog边车。 赞助 我的雇主Proact Deutschland GmbH赞助了建立和改善Ansible角色的工作。 表中的内容 graylog_sidecar_node_name graylog_sidecar_package graylog_sidecar_send_status graylog_sidecar_server_url graylog_sidecar_tls_skip_verify graylog_sidecar_update_interval graylog_sidecar_whitelist 依存关系 执照 作者 默认变量 graylog_sidecar_api_token Graylog身份验证令牌 默认值 graylog_sidecar_api_token : graylo

知识图谱KGC是一个世界级会议，将有经验的实践者、技术领导者、前沿研究人员、学者和供应商聚集在一起，就知识图的主题进行为期两天的演讲、讨论和网络交流。KGC2021在5月3号到6号举行。来自加拿大CortAIx 首席人工智能科学家Freddy Lecue做了关于《知识图谱在可解释机器学习系统中应用》的报告，特别对可解释人工智能以及知识图谱在可解释机器学习中的作用进行了重点讲述，是非常好的学习资料。 报告摘要： 机器学习(ML)，作为人工智能的关键驱动力之一，已经在许多行业显示出颠覆性的结果。在关键系统中应用ML(尤其是人工神经网络模型)最根本的问题之一，就是它无法为其决策提供依据。主要是因为常识知识或推理超出了ML系统的范围。我们展示了如何运用知识图谱来揭示更多人类可以理解的机器学习决策，并展示了一个框架，将ML和知识图谱结合起来，在识别4,233,000个资源的知识图谱中的任何一个类的对象时，展示出一个接近人的解释。

Ansible角色：Minikube 用于下载和安装的工具，该工具可在本地运行Kubernetes。 要求 Ansible> = 2.8 Linux发行版 Debian家庭 德比安 杰西（8） 弹力（9） 的Ubuntu 塞尼尔（16.04） 仿生（18.04） 红帽家族 CentOS的 7 费朵拉 31 SUSE家族 openSUSE 15.1 注意：其他版本可能也可以使用，但尚未经过测试。 VirtualBox / Docker（已安装） 角色变量 以下变量将更改此角色的行为（默认值如下所示）： # Minikube version number minikube_version : ' 1.19.0 ' # Directory to store files downloaded for Minikube minikube_download_dir : " {

INE出品的SDN视频教程