开关电源

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

Theory of Functions of a Complex Variable（Caratheodory ） 复变函数的好书

讲解了ABAP SQL Functions for Strings的使用

三重态SemiHardLoss PyTorch半硬。基于可在找到的tensorflow插件版本。无需使用此实现来创建暹罗体系结构，就像创建main_train_triplet.py cnn创建过程一样简单！ 对于具有N_CLASSES >> N_SAMPLES_PER_CLASS的分类问题，三元组损失是一个不错的选择。例如，人脸识别问题。 在分类层之前，我们需要切断具有三重态损失的CNN架构。另外，必须添加L2归一化层。 MNIST上的结果 我在MNIST数据集上测试了三重态损失。我们无法直接与TF插件进行比较，因为我没有进行实验，但是从性能的角度来看这可能很有趣。如果您想比较结果，这是训练日志。准确性无关紧要，因为我们不训练分类模型，所以准确性不应该存在。 阶段1 首先，我们训练最后一层和批次归一化层，使验证损失接近0.079。 阶段2 最后，解冻所有层，经过足够的训练和超参数调整

这项工作包括 8 个不同版本的二元粒子群优化 (BPSO) 算法。 其中六个使用新的传递函数，分为两个系列：s 形和 v 形。 表现出最高性能的 V4（在 BPSO8 中）传递函数称为 VPSO，强烈建议使用。 主要论文：S. Mirjalili 和 A. Lewis，“二元粒子群优化的 S 形与 V 形传递函数”，Swarm 和进化计算，第一卷。 9, pp. 1-14, 2013. 链接： http : //www.sciencedirect.com/science/article/pii/S2210650212000648 我有很多这方面的相关课程。 您可以通过以下链接注册，享受 95% 的折扣： ****************************************************** *************************************

CEC2013基准测试函数集 包含cpp版本和matlab版本

缩图工具 使用的缩略图生成器示例。 这是一个简单示例，说明如何在笔记本电脑上构建类似于AWS Lambda的功能。 依存关系 依赖关系由使用npm install管理。 npm install 配置 请使用您的本地参数编辑config/development.json ，当前示例指向 本示例仅适用于使用扩展API的Minio服务器 跑步 配置完成后，继续运行。 node thumbnail.js Listening for events on " images " 现在使用mc上传图片 mc cp ./toposort/graph.jpg play/images/ ./toposort/graph.jpg: 34.29 KB / 34.29 KB ┃▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓

Log-Gabor-Filter：对数-Gabor过滤器

尽管之前已经有在 Simulink 中解决 DAE 的示例，但没有通过 S-function 解决 DAE 的文档。 此示例使用名为 HB1_DAE_sfun.m 的 S 函数解决 Simulink 中的 Robertson 问题（僵硬）。 结果与 hb1dae.m 进行了比较，后者是一个基于文本的版本，可用作 MATLAB 的示例。