Machines

NVIDIA Jetson Nano

www.nvidia.cnArtificialIntelligenceComputingLeadershipfromNVIDIAhttps://www.nvidia.com/en-us/NVIDIAJetsonhttps://www.nvidia.cn/autonomous-machines
Yongqiang Cheng·2020-01-13 21:07

NFM 《Neural Factorization Machines for Sparse Predictive Analytics》

一.论文解读特征交互对许多预测任务有非常重要的作用，特别是对于稀疏数据。FactorizationMachines(FMs)是一种非常有效的二阶特征交互方法，但是其只是捕捉到了特征间的线性关系，对于特征间的非线性关系及真实数据的内在结构是无效的。NeuralFactorizationMachine(NFM)结合了FM的二阶特征构建能力及神经网络的非线性特征构建能力。1.NFM的预测函数：其中，和表
_诉说·2020-01-03 21:27

[Selenium] Upload File on Remote Node Machines

Problem:InwebUIautomationtesting,wealwaysneedtouploadfiles,itwillworkwellonlocalmachines,butdoesn'tworkonremotenodemachineswhenusingSeleniuimGridtorun.Solution:NoDescriptionRecommendationIndex11.UsePa
张缤分·2020-01-03 13:00

windows10 DockerDesktop19 unable to resolve docker endpoint: open C:\Users\Administrator\.docker\...

`unabletoresolvedockerendpoint:openC:\Users\Administrator\.docker\machine\machines\default\ca.pem:Thes
分不清洪赵白·2020-01-01 17:42

4 ways to build a human company in the age of machines

TimLeberecht.Halfofthehumanworkforceisexpectedtobereplacedbysoftwareandrobotsinthenext20years.Andmanycorporate公司leaderswelcomethatasachancetoincreaseprofits.Machinesaremoreefficient;humansarecomplicat
AIAR学堂·2019-12-31 12:51

支持向量机(Support Vector Machines-SVM)算法笔记(二)-scikit learn

哈喽，最近出差比较多，学习放缓，捂脸中...今天主要说一些scikit-learn中支持向量机SVM相关的算法模型。基于支持向量(supportvector)，scikit-learn主要是包含s三大方面：分类(Classification，SVC、NuSVC、LinearSVC)回归(Regression，SVR、NuSVR、LinearSVR)、异常检测(Outliersdetection)。
keepStriving·2019-12-26 16:22

Docker Machine Generic驱动

Generic通用创建一个machines通过SSH使用已经存在的虚拟机或是主机。这是很有用的如果你使用的主机提供商没有直接的支持，或是你想导入已经存在的主机让DockerMachine去管理。
zerolinke·2019-12-26 06:55

SPARK[star]

AMPAlgorithms算法Machines机器people人spark较mapreduce快100倍的原因：内存数据、调度优化、传输优化、DAG执行引擎。
北风第一支·2019-12-22 19:03

小强学AI之 - 3支持向量机（support vector machines SVMs）

前记上一篇中，我们了解了朴素贝叶斯。现在知道了，朴素贝叶斯是监督学习的一种算法。朴素贝叶斯特殊的一点在于，这种算法非常适合文本分类。在处理文本时，常见的做法是将每个单词看作一个特征，这样就会有大量的特征。朴素贝叶斯假设各个特征之间独立的，并且算法又相对简单，使得它在文本分类应用中发挥作用。支持向量机SVMs（supportvectormachines）另一种监督分类算法支持向量机SVMs（supp
Eric_AIPO·2019-12-21 16:16

Multi-devices and multi-machines

Multi-devicesandmulti-machinesIntroductionMXNet使用了一个两层的parameterserver来做数据同步.同一台worker机器中跨设备的数据同步,通过第一层ps.一个设备可以是GPU卡,CPU或者其他的计算单元.我们使用sequentialconsistencymodel作为这层的数据同步模型,比较出名的如BSP.第二层实现的是多个worker机器
cptn3m0·2019-12-14 13:40

02 docker 学习之 image管理

02docker学习之image管理athird-partydockviztoolImagelayerssite[14:04:35]ahaomu:machines$dockerimagesREPOSITORYTAGIMAGEIDCREATEDSIZEubuntulatest07c86167cdc44daysago188MBhello-worldlatest690ed74de00f4monthsag
muahao·2019-12-06 21:21

Vagrant Default Config

vagrantssh-configAdditionally,youcanusetheprivatesshkeyinyourSSHclient/Users/[youruser]/frontend_lab/.vagrant/machines
hyperRect·2019-12-06 20:44

如何给五岁小孩讲解SVM SVM-1

SVM系列开篇，翻译自：https://www.reddit.com/r/MachineLearning/comments/15zrpp/please_explain_support_vector_machines_svm_like_i
DeepLearningZ·2019-12-01 10:56

支持向量机(Support Vector Machines-SVM)算法笔记(一)-Python

本文主要是学习支持向量机的算法原理，并且用Python来实现相关算法。内容包括：SVM概述、线性可分支持向量机、线性支持向量机、非线性不可分向量机、核函数、核技巧、SMO、KKT条件等等，但是还是没有讲完，会继续学习讨论~~再次申明：本文的理论知识来自PeterHarrington的《机器学习实战》和李航的《统计学习方法》，非常感谢这些优秀人物和优秀书籍1、概述支持向量机（supportvecto
keepStriving·2019-12-01 09:44

大学渣的ISLR笔记(9)-Support Vector Machines

Inthischapter,wediscussthesupportvectormachine(SVM),anapproachforclassificationthatwasdevelopedinthecomputersciencecommunityinthe1990sandthathasgrowninpopularitysincethen.SVMshavebeenshowntoperformwel
olostin·2019-11-30 04:58

Spark概念和框架介绍

一：什么是sparkApacheSpark是专为大规模数据处理而设计的快速通用的计算引擎，由加州大学伯克利分校AMP实验室(Algorithms,Machines,andPeopleLab)开发，可用来构建大型的
在写代码的路上·2019-10-31 15:07

[转]UiPath State Machines

本文转自：https://docs.uipath.com/studio/docs/state-machinesAstatemachineisatypeofautomationthatusesafinitenumberofstatesinitsexecution.Itcangointoastatewhenitistriggeredbyanactivity,anditexitsthatstatewhe
freeliver54·2019-10-04 20:00

Docker for Windows 使用命令报错

couldnotreadCAcertificate"C:\Users\username\.docker\machine\machines\default\ca.pem":openC:\Users\username.docker
Rogn·2019-09-30 14:00

吴恩达机器学习笔记-支持向量机(Support Vector Machines)

与逻辑回归和神经网络相比，支持向量机，或者简称SVM，在学习复杂的非线性方程时提供了一种更为清晰，更加强大的方式。它也是我们所介绍的最后一个监督学习算法。为了描述支持向量机，事实上，我将会从逻辑回归开始展示我们如何一点一点修改来得到本质上的支持向量机。在逻辑回归中我们已经熟悉了这里的假设函数形式，和右边的S型激励函数。当y=1时，我们得到，如上图左下所示，当z增大时其对应的值会变得非常小。现在开始
_4444yl·2019-09-26 18:10

Rancher and k8s 2019(3)Clean Installation on CentOS7

阅读更多Rancherandk8s2019(3)CleanInstallationonCentOS7SetUp3machines192.168.56.110rancher-home192.168.56.111rancher-worker1192.168.56.112rancher-worker2SetUprancher-homeThenetworkconfigGotothenetworksetti
sillycat·2019-09-19 23:00

jmx异常 management.NotCompliantMBeanException: MBean class com.style.springbootcore.jmx.Machines does

简单一个jmxdemo居然报错。。。看下完整信息demo代码如下publicclassJmxMain{publicstaticvoidmain(String[]args){MBeanServerbeanServer=ManagementFactory.getPlatformMBeanServer();ObjectNameon;try{on=newObjectName("com.style.spri
寂夜了无痕·2019-09-09 13:00

11款物联网开发平台对比：功能孰优孰劣？

全文共4901字，预计学习时长10分钟图片来源：https://www.pexels.com/photo/three-men-standing-in-front-of-racing-arcade-machines
读芯术·2019-09-09 08:20

coursera机器学习-Week7编程作业: Support Vector Machines

1.2.1gaussianKernel.mfunctionsim=gaussianKernel(x1,x2,sigma)%RBFKERNELreturnsaradialbasisfunctionkernelbetweenx1andx2%sim=gaussianKernel(x1,x2)returnsagaussiankernelbetweenx1andx2%andreturnsthevaluein
糕比嘎嘎·2019-09-05 11:57

【论文】RecSys18-序列推荐模型 TransFM（Translation-based Factorization Machines for Sequential Recommendation）

转载请注明出处：https://thinkgamer.blog.csdn.net/article/details/100168818博主微博：http://weibo.com/234654758Github：https://github.com/thinkgamer公众号：搜索与推荐Wiki序列推荐模型Translation-basedRecommendation参考：点击阅读概述论文是由Raji
Thinkgamer_·2019-08-31 09:39

机器学习笔记之支持向量机（Support Vector Machines,SVM）

机器学习笔记之支持向量机（SupportVectorMachines,SVM）支持向量机支持向量机是一种二分类模型。基本模型是定义在特征空间上的间隔最大的线性分类器，与感知机不同，感知机没有最大间隔。复杂感知机模型通过使用核技巧来处理非线性分类问题。线性分类之硬间隔考虑一个二分类问题，给定训练样本集D={(x1,y1),(x2,y2),⋯ ,(xm,ym)},yi∈{−1,+1
weekdayh·2019-08-07 15:15

[论文笔记] Facial Landmark Machines:A Backbone-Branches Architecture with Progressive Representation...

正在参加中山大学的“人工智能与科学计算”夏令营，其中的实验室科研活动就要求我们阅读所给定的论文并写一篇博文。以下就是我的阅读笔记：论文题目：FacialLandmarkMachines:ABackbone-BranchesArchitecturewithProgressiveRepresentationLearning论文作者：LingboLiu,GuanbinLi,YuanXie,YizhouY
Code_Mart·2019-07-18 14:59

[论文笔记] Facial Landmark Machines:A Backbone-Branches Architecture with Progressive Representation...

正在参加中山大学的“人工智能与科学计算”夏令营，其中的实验室科研活动就要求我们阅读所给定的论文并写一篇博文。以下就是我的阅读笔记：论文题目：FacialLandmarkMachines:ABackbone-BranchesArchitecturewithProgressiveRepresentationLearning论文作者：LingboLiu,GuanbinLi,YuanXie,YizhouY
Code_Mart·2019-07-18 14:59

Spark生态圈简介

Spark生态圈是加州大学伯克利分校的AMP实验室打造的，是一个力图在算法（Algorithms）、机器（Machines）、人（People）之间通过大规模集成来展现大数据应用的平台。
QYUooYUQ·2019-06-29 17:19

Support Vector Machines个人笔记

1.supportvectormachines和逻辑回归的区别（1）.逻辑回归是通过添加min(A+lamda*theta^2)来进行优化避免出现过拟合,选出不同的lamda值来控制（2）SVM是通过min(CA+theta^2)，其中根据h=在逻辑回归中明显得到y=1h(x)近似于1则theta’*x>>0y=0h(x)近似于0则theta’*x>0令Z=theta’*xy=0h(x)近似于0则
rukea·2019-06-27 09:54

Supervised Learning------Linear Support Vector Machines

LinearSupportVectorMachinesIntroduction支持向量机（简称SVM）是另一种用于对数据进行分类的机器学习算法。SVM的目的是尝试找到一条线或超平面来划分最佳分类数据点的维空间。如果我们试图划分两个类A和B，我们会尝试用线来最好地分隔两个类。线/超平面的一侧是来自A类的数据，另一侧是来自B类。这种算法在分类时非常有用，因为我们必须计算一次最佳线或超平面，并且任何新数
qinhe123·2019-06-22 19:28

【Coursera】Machine Learning Support Vector Machines 第六次编程作业

一、概述使用支持向量机（SVM）建一个邮件垃圾分类器。作业分为GuassianKernel、Parametersfordataset3、EmailPreprocessing、EmailFeatureExtraction四部分。其实就是在线性分类的基础上增加核函数。二、分析1、SupportVectorMachine支持向量机看上是很深奥的名次，实际上是很简单的概念。它一般用于分类器，就是对两堆东西
一笑照夜·2019-06-06 18:13

【Pose】Convolutional Pose Machines

【Pose】ConvolutionalPoseMachines1.Introduction不同阶段的heatMap最终输出一个人不同部位的heatMap3.Method3.1PoseMachines3.2ConvolutionalPoseMachines：3.2.1KeypointLocalizatonUsingLocalImageEvidence3.2.2SequentialPrediction
Arron_hou·2019-06-02 19:27

NFM（Neural Factorization Machines for Sparse Predictive Analytics）

普遍问题在预测任务中，特征向量是高度稀疏的，学习特征交互是重要的为什么提出该方法，其他方法的缺点人工设计特征组合需要领域知识，很难泛化到新问题或者新领域，没有办法捕获到没有出现在训练数据中的组合特征；embedding的方式：FM：以线性的方式学习二阶特征交互，对于捕获现实数据非线性和复杂的内在结构表达力不够；深度网络：例如Wide&Deep和DeepCross，简单地concatenation特
糖葫芦君·2019-05-19 22:51

[監督式]SVM(Support Vector Machines)

SVM(SupportVectorMachines)建議可以先讀PLA(感知器)我們在一個分類問題中，我們需要找到一個超平面(Hyperplane)來分隔不同的類別，就如同圖中的線，但能分隔不同的類別的超平面有無限多個(圖中就有3個)，我們希望得到的是最右圖那一條線，他的margin(邊界)(灰色區域)越大越好，意思就是這條線離所有的點越遠越好，這樣的好處是能容忍的測量誤差大，不容易overfit
RJ阿杰·2019-05-16 10:47

Nvidia Jetson nano 研究系列之一-开箱介绍

1、官网介绍https://www.nvidia.com/en-us/autonomous-machines/embedded-systems/jetson-nano/image.png良心价，只要99
大道至简非简·2019-05-13 20:15

Machine Learning in Action(机器学习实战)之支持向量机(Support-Vector-Machines(SVM))算法学习笔记

1.学习环境windows10、Anaconda(向初学者推荐这个工具)+Pycharm2018、python3.7。2.SupportVectorMachines概述2.1支持向量机优缺点优点：泛化错误率低，计算开销不大，结果易解释。缺点：对参数调节和核函数的选择敏感，原始分类器不加修改仅适用于处理二类问题。适用数据类型：数值型和标称型数据。2.2支持向量机的一般流程⑴收集数据：可以使用任意方法
吕曌·2019-04-25 19:30

Use GDB and KGDB to debug linux kernel on two different machines

本文讲述如何在两个主机之间搭建linuxkernel的调试环境，用到kgdb工具。环境如下gcc4.6.3ubuntu3.13.0-32-genericlinuxsourcecode:linux-3.4.tar.gzvirtualbox5.2.18Step1调试内核，当然首先需要编译自己需要的版本的内核，编译内核参数，makemenuconfig.当然，这里需要提前安装ncurses开发库，ubu
猫步旅人·2019-04-22 20:38

Autoregressive Energy Machines

CharlieNash,ConorDurkanAbstractNeuraldensityestimatorsareflexiblefamiliesofparametricmodelswhichhaveseenwidespreaduseinunsupervisedmachinelearninginrecentyears.Maximum-likelihoodtrainingtypicallydicta
朱小虎XiaohuZhu·2019-04-15 23:54

Autoregressive Energy Machines

CharlieNash,ConorDurkanAbstractNeuraldensityestimatorsareflexiblefamiliesofparametricmodelswhichhaveseenwidespreaduseinunsupervisedmachinelearninginrecentyears.Maximum-likelihoodtrainingtypicallydicta
朱小虎XiaohuZhu·2019-04-15 23:54

《Neural Factorization Machines for Sparse Predictive Analytics》NFM模型及python代码

1原文点击【原文】即可进行下载2NFM模型在当今互联网工业界中，有许多预测任务需要用到大量的类别特征。要想将这些类别特征送入到模型中，就必须得将其onehot。但这样一来，就会产生大量的稀疏特征，要想从这些稀疏特征中充分学习到有用的信息，必须要考虑特征之间的相互作用。FM算法是一种常用的解决方案，因为它充分考虑了二阶特征之间的相互作用。然而FM有一个缺点，就是它仅仅以线性的方式组合了特征，并不能考
十三吖·2019-04-10 14:38

推荐系统 | 学习笔记：Attentional Factorization Machines

论文AttentionalFactorizationMachines:LearningtheWeightofFeatureInteractionsviaAttentionNetworksAbstractDespiteeffectiveness,FMcanbehinderedbyitsmodellingofallfeatureinteractionswiththesameweight,asnotal
卫龙女孩·2019-03-30 19:36

学习笔记-部署和管理DPM 2016-04文件和应用程序保护

备份HyperV虚拟机|MicrosoftDocshttps://docs.microsoft.com/zh-cn/system-center/dpm/back-up-hyper-v-virtual-machines
zengchuixin2008·2019-03-20 18:50

CTR预估 论文实践(四)--Field-aware Factorization Machines for CTR Prediction

FFM模型实践代码是用python3.5写的，tensorflow的版本为1.10.1；博客代码均以上传至GitHub，欢迎follow和start~~!1.数据集数据集地址：MovieLens本文使用的数据是movielens-100k，数据包括u.item，u.user，ua.base及ua.test，u.item包括的数据格式为：movieid|movietitle|releasedate|
dby_freedom·2019-03-15 10:03

CTR预估 论文实践(四)--Field-aware Factorization Machines for CTR Prediction

FFM模型实践代码是用python3.5写的，tensorflow的版本为1.10.1；博客代码均以上传至GitHub，欢迎follow和start~~!1.数据集数据集地址：MovieLens本文使用的数据是movielens-100k，数据包括u.item，u.user，ua.base及ua.test，u.item包括的数据格式为：movieid|movietitle|releasedate|
dby_freedom·2019-03-15 10:03

吴恩达机器学习课程笔记+代码实现(16)11.支持向量机(Support Vector Machines)

11.支持向量机(SupportVectorMachines)文章目录11.支持向量机(SupportVectorMachines)11.1优化目标11.2大边界的直观理解本章编程作业及代码实现部分见：Python实现支持向量机11.1优化目标在监督学习中，许多学习算法的性能都非常类似，因此，重要的不是你该选择使用学习算法A还是学习算法B，而更重要的是，应用这些算法时，所创建的大量数据在应用这些算
geekxiaoz·2019-03-11 16:22

玩转NVIDIA Jetson AGX Xavier（1）--- jetson是什么

--摘自NVIDIAjetson平台介绍https://www.nvidia.com/zh-cn/autonomous-machines/embedded-systems/“借助高
Gaosiy·2019-02-22 11:20

Spark详解（一）：Spark及其生态圈概述

1.Spark简介Spark是加州大学伯克利分校AMP实验室（Algorithms,Machines,andPeopleLab）开发通用内存并行计算框架。
MasterT-J·2019-02-20 16:08

Sasha and Magnetic Machines 暴力

题解题目大意给若干个数字，只能使用一次操作将一个数字乘k让另一个数字除以k，要求被除的数字能整除，也可以不操作，求所有数字的和最小值由于数值范围很小，统计每个数值出现次数，O(N^2)暴力尝试将一个数字*k一个数字/k找到能减少的值的最大值，最后加上总和AC代码#include#include#definefstfirst#definesedsecondusingnamespacestd;type
CaprYang·2019-02-17 18:07

推荐系统笔记7-Field-aware Factorization Machines for CTR Prediction

本文介绍Field-awareFactorizationMachinesforCTRPrediction，简称为FFM，其原文Paper传送门。摘要计算广告中CTR预估有着很重要的作用，其中二阶映射的FM常被使用，但提出的FFM在比赛中优于FM，因此引出FFM；一、介绍通常用LR处理分类问题，其模型是用来解决如下最优化问题：min⁡wλ2∥w∥22+∑i=1mlog⁡(1+exp⁡(−yiϕLM(
年少_当自强·2019-02-05 16:01

推荐系统笔记7-Neural Factorization Machines for Sparse Predictive Analytics

这篇文章介绍NFM(NeuralFactorizationMachinesforSparsePredictiveAnalytics)，Paper链接。具体的代码实现见Github摘要和FNN、PNN一样，针对类别变量One-hot以后的稀疏输入，如何做交互而引出NFM，FM可以捕捉交互（二阶特征），但是以线性方式；DNN可以捕捉非线性特征交互，如Wide&Deep，但同时深度结构使得网络不好训练；
年少_当自强·2019-02-03 17:34
上一页 3 4 5 6 7 8 9 10 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他