消息包
MessagePack是一种有效的二进制序列化格式。 就像JSON。 但又快又小。
该存储库管理MessagePack格式的规范。 有关，请参见。
实施项目都有各自的存储库。 请访问网站以查找实现及其文档。
如果您想在网站上展示您的msgpack实现，请遵循。
2021-11-20 10:47:04
7KB
1
高效会议的八大特征
只有必要时才召集
好好筹划过
拟订和分发了议程表
遵守时间
一切按部就班
请了最有经验的和有才能的人出席
作出了评论和归纳
记录所有决定、建议和负责人
2021-11-19 13:11:02
772KB
1
《MATLAB高效编程技巧与应用:25个案例分析》源程序和数据吴鹏编著 北京航空航天大学出版社，学习用，很有帮助！
2021-11-18 14:33:16
4.36MB
1
MSDNet-具有可分离内核的可重复性和应用GCN块
该存储库包含“ ”的复制代码（在PyTorch中）。
内容
介绍
MSDNet是一种用于图像分类的新颖方法，在测试时会受到计算资源的限制。 该存储库提供了基于本文提供的技术描述的实现。 当前，此代码实现对Cifar-10和Cifar-100的支持。
此外，此代码集成了对基于GCN的层（而不是常规卷积层）的支持，以减少模型参数。
用法
依存关系
火车
例如，使用以下命令在Cifar10上训练MSDNet
python3 main.py --model msdnet -b 64 -j 2 cifar10 --msd-blocks 10 --msd-base 4 \
--msd-step 2 --msd-stepmode even --growth 6-12-24 --gpu 0
例如，使用以下命令在带有GCN块的Cifar100上
2021-11-18 10:26:20
2.45MB
1
基于稀疏表示的字典学习通常被认为是一种重新排列原始数据结构以使能量在非正交和不完整字典上紧凑的方法，广泛用于信号处理，模式识别，机器学习，统计学和神经科学。 当前的稀疏表示框架将优化问题分解为两个子问题，即使用不同的优化器的交替稀疏编码和字典学习，分别处理字典和代码中的元素。 在本文中，我们对字典和代码中的元素进行同质处理。 最初的优化直接解耦为几个按块替换的子问题，而不是上述两个问题。 因此，稀疏编码和字典学习优化被统一在一起。 更准确地说，将优化问题中涉及的变量划分为几个合适的块，并保留凸性，从而可以执行精确的逐块坐标下降。 对于每个可分离的子问题，基于抛物线函数的凸性和单调性，获得封闭形式的解。 该算法因此简单，有效和有效。 实验结果表明，我们的算法大大加快了学习过程。 图像分类的应用进一步证明了我们提出的优化策略的效率。
2021-11-17 20:09:05
384KB
1