本文主要针对Python中lamdbda的介绍，和numpy中seed、choice、uniform等的介绍。 1. lambda 2. np.random 2.1. .seed() 2.2. .RandomState() 2.3. .choice() 2.4. .uniform() 2.5. .per...
SIRLIS
取消
Python基础（lambda,np.random）
Windows10通过应用商店安装Ubuntu
本文主要介绍 Windows10 下部署 Ubuntu 的一种方法——借助 Microsoft Store 部署。由于科研需要，一些程序和数据需要在 linux 环境下进行操作，在不安装双系统和部署虚拟机的前提下，尝试本方法进行 Ubuntu 的安装。 1. 环境配置 2. 下载和安装 3. 注意事项 4. 基本操作 4.1. 备份、删除和还...
元学习文章阅读（Prototypical Network）
Prototypical Network 又称为原型网络，是2017年 NIPS 会议论文提出的一种神经网络训练方法，是一种基于度量（Metrix-based）的小样本学习方法，通过计算 support set 中的嵌入中心，然后通过衡量新样本与这些中心的距离来完成分类。 1. Prototypical Network 1.1. 模型 1.2...
元学习文章阅读（Reptile）
Reptile 于2018年由 OpenAI 提出，是一种非常简单而有效的基于优化的（Optimized-based）小样本学习方法，通过多步梯度下降来学习一个较优的模型初始参数。 1. Reptile 1.1. 算法 1.2. 数学分析 1.3. 梯度的泰勒展开的领头阶 1.4. 另一种推导方式 1.5....
LaTeX+TexStudio环境配置
LaTeX 是一种高质量的排版系统，被广泛的期刊杂志所支持，让笔者仅需要关注内容本身，而无需过多的为格式和排版而费心，具备高质量的表格、公式书写体验。 1. LaTeX简介 2. 下载和安装MiKTeX 3. 下载和安装TeXstudio 3.1. 下载和安装 3.2. 配置 3.3. 测试 4. La...
元学习文章阅读（MAML）
MAML 是2017年 Chelsea Finn 大佬提出的一种基于优化（Optimized-based）的小样本学习方法，核心在两个不同的数据集中分别计算梯度和更新参数。 1. MAML 1.1. 算法 1.2. 梯度下降数学分析 1.3. 基于优化的元学习目标 1.4. MAML数学分析 1.5. FO...
元学习基础
小样本学习（Few-Shot Learning）问题是一个新兴的机器学习问题，旨在研究当样本个数严重不足时，如何训练一个模型，能够快速的完成学习（分类、回归、强化学习等）任务。进一步引入元学习的思想来解决小样本学习问题。 1. 小样本学习问题 2. 元学习方法 3. 训练过程 3.1. 深度学习的训练过程 3.2. 元学习的训练过程 ...
深度学习基础（PyTorch的数据集）
本文介绍了 Pytorch 中针对计算机视觉方面的基本数据库类Dataset，基本的手写数字数据库MNIST，以及数据库加载函数 DataLoader。 1. torchvision 2. Dataset 2.1. 默认类 2.2. 自定义类 3. DataLoader 4. MNIST 5. 参考文献 1...
深度学习基础（PyTorch的CNN组成）
本文介绍了深度学习中，卷积网络的基本知识，包括2d卷积层、池化层、线性层、softmax 激活函数、交叉熵损失函数等，并结合它们在 Pytorch 中的定义和实现进行说明。 1. 层 1.1. Conv2d 1.1.1. dilation 1.1.2. padding ...
Python基础（万恶的下划线）
本文介绍了 Python 一些基本的小知识，如 name = ‘main’、init、super 等等。 1. 模拟的应用程序入口 2. 实例属性初使化 3. 继承自父类的属性初始化 4. 参考文献 1. 模拟的应用程序入口 if __name__ == '__main__' 为 python 提供模拟的应用程序入口。它的功能为：当.py文件被直接运行时，i...