Representation 第3页

flask踩坑记录：Flask-Restful在非调试模式下接管Flask的异常处理

非debug模式下，自定义异常被@api.representation统一处理了，

joker_zsl·2023-11-05 18:59

threshold must be numeric and non-NAN, try sys.maxsize for untruncated representation（吴恩达第四周作业1）

1.报错：thresholdmustbenumericandnon-NAN,trysys.maxsizeforuntruncatedrepresentation2.原因：numpy版本的错误使用3.解决方法：导入sys包importsys将np.set_printoptions(threshold=np.nan)用np.set_printoptions(threshold=sys.maxsize)

In 2029·2023-11-04 11:23

【论文学习笔记】VectorNet: Encoding HD Maps and Agent Dynamics from Vectorized Representation

VectorNet:编码高清地图和代理动态从矢量化表示文章来源：2020IEEE/CVFConferenceonComputerVisionandPatternRecognition(CVPR)作者：JiyangGao,ChenSun原文链接：VectorNet:EncodingHDMapsandAgentDynamicsFromVectorizedRepresentationieeexplore

技术宅学长·2023-11-02 07:10

LintCode 1046 · Prime Number of Set Bits in Binary Representation (求比特数和质数题)

1046·PrimeNumberofSetBitsinBinaryRepresentationAlgorithmsDescriptionSolution16NotesDiscuss26LeaderboardRecordDescriptionGiventwointegersLandR,findthecountofnumbersintherange[L,R](inclusive)havingaprim

纸上得来终觉浅绝知此事要躬行·2023-11-02 05:45

#Reading Paper#Correlated Time Series Self-Supervised Representation Learning via Spatiotemporal Boo

堇禤·2023-10-31 06:26

csapp-Machine-Level Representation of Program-review

Machine-LevelRepresentationofProgram收获和思考BasicsMachine-LevelProgramming可以看成是机器执行对于上层代码的一种翻译，即硬件是如何通过一个个的指令去解释每一行代码，然后操纵各种硬件执行出对应的结果。Machine-LevelProgramming有2种表现形式，一种是text格式的汇编代码；一种是由字节序列构成的机器码，可以理解汇编

囚蕤·2023-10-30 21:29

关于报错'sharedApplication' is unavailable: not available on iOS (App Extension)

解决办法：在Podfile中增加以下代码，然后重新pod即可解决问题post_installdo|installer_representation|installer_representation.pods_project.targets.eachdo

青桐2020·2023-10-30 21:03

iCaRL: Incremental Classifier and Representation Learning

iCaRL:IncrementalClassifierandRepresentationLearning2017CVPRSylvestre-AlviseRebuffifromOxfordUniversityabstract介绍了一种新的训练策略，即iCaRL，它允许以类增量的方式进行学习：只需要保留少量的旧数据，可以逐步学习新类。iCaRL同时学习强分类器和数据表示法。introduction类增

薛定谔的大胖笨狗·2023-10-29 00:44

【博士每天一篇文献-算法】iCaRL_ Incremental Classifier and Representation Learning

阅读时间：2023-10-271介绍年份：2017作者：Sylvestre-AlviseRebuffi;AlexanderKolesnikov;GeorgSperl;ChristophH.Lampert，牛津大学期刊：ProceedingsoftheIEEEconferenceonComputerVisionandPatternRecognition引用量：2892提出了一种名为iCaRL（增量分

Better Bench·2023-10-29 00:40

InfoGAN: Interpretable Representation Learning by Information Maximizing Generative Adversarial Nets

InfoGAN:通过信息最大化的生成对抗网络进行的可解释表示的学习摘要：这篇论文描述了InfoGAN，一种对于对抗生成网络的信息理论上的扩展，它能够以完全无监督的方式学习分离的表达。InfoGAN是一个对抗生成网络，它也会最大化隐藏变量的一个小的子集和观察数据之间的互信息。我们推出了可以被高效优化的互信息目标函数的下界。特别地说，InfoGAN成功了从MNIST数据集的数字形状中分离出了书写风格，

马小李23·2023-10-27 13:27

springmvc基础知识（13）：了解REST和RESTful

表现层（Representation）:把资源具体呈现出来的形式，叫做它的表现层。比如，文本可以用txt格式表现，

YellowStar007·2023-10-26 23:22

Coursera Machine Learning Week 4 - Neural Networks

NeuralNetworks:Representation1.Whichofthefollowingstatementsaretrue?Checkallthatapply.

xiewen99·2023-10-25 14:22

Visual Representation of SQL Joins

有些知识没有深刻的理解，原因其实是知识传播人没用最简单的语言来进行表述。VisualRepresentationofSQLJoins

春泥村雨·2023-10-25 14:31

LLM实战（二）| 使用ChatGPT API提取文本topic

具体对比流程如下：Prompt工程Prompt设计原则一：尽可能表达清晰对Prompt不同采用分隔符进行分割，比如”””,---,###,"""representation_model=OpenAI(model

wshzd·2023-10-23 16:24

BERT 理解

模型的主要创新点都在pre-train方法上，即用了MaskedLM和NextSentencePrediction两种方法分别捕捉词语和句子级别的representation。

Carlosi·2023-10-22 14:18

【Golang】反射机制

也就是说，这类应用通过采用某种机制来实现对自己行为的描述（self-representation）和监测（examination），并能根据自身行为的状态和结果，调整或修改应用所描述行为的状态和相关的语义

「已注销」·2023-10-22 03:48

✨关于——心理表征

表征（representation）是知识在个体心理的反映和存在方式。按知识的种类及其提取方式，心理学家认为人类至少有四种类型的心理表征：认知地图、心像、图式和心理语言。

琗琳羽·2023-10-21 12:31

《Fault Localization with Code Coverage Representation Learning》论文笔记

论文来源：ICSE-2021论文链接：https://arxiv.org/abs/2103.00270论文github：https://github.com/deeprl4fl2021icse/deeprl4fl-2021-icse 第一次看基于测试用例（即基于代码覆盖，突变测试）来定位代码缺陷的方法，下文有些地方是论文里没细讲，我做了些补充，主要说下论文的原理，实验不细讲。⭐主要内容：主要就是

#苦行僧·2023-10-19 17:47

论文阅读：Rethinking Range View Representation for LiDAR Segmentation

来源ICCV20230、摘要LiDAR分割对于自动驾驶感知至关重要。最近的趋势有利于基于点或体素的方法，因为它们通常产生比传统的距离视图表示更好的性能。在这项工作中，我们揭示了建立强大的距离视图模型的几个关键因素。我们观察到，“多对一”的映射，语义不连贯性，形状变形的可能障碍对有效的学习从距离视图投影。我们提出的RangeFormer-一个全周期的框架，包括跨网络架构，数据增强和后处理的新颖设计-

shiyueyueya·2023-10-19 08:57

[论文精读]Inductive Representation Learning on Large Graphs

论文原文：Inductiverepresentationlearningonlargegraphs|Proceedingsofthe31stInternationalConferenceonNeuralInformationProcessingSystems(acm.org)英文是纯手打的！论文原文的summarizingandparaphrasing。可能会出现难以避免的拼写错误和语法错误，若有

夏莉莉iy·2023-10-14 15:01

[Paper Reading] Aggregating local descriptors into a compact image representation

PaperSite:https://lear.inrialpes.fr/pubs/2010/JDSP10/jegou_compactimagerepresentation.pdfProblemDefinitionTojointlysolvethethreeconstraints:theaccuracyofthesearch,theefficiencyandthememoryusageofthere

Limityoung·2023-10-13 06:12

【论文翻译 IJCAI-20】Heterogeneous Network Representation Learning 异构网络表示学习

文章目录摘要1引言2异构网络挖掘3异构网络表示3.1异构网络嵌入3.2异构图神经网络3.3知识图谱与属性网络3.4应用4挑战、方向和开源数据4.1未来方向避免设计元路径多感官（Multi-sense）表示异构GNN的预训练多任务学习动态性和可伸缩性4.2开源数据集和基线5结论论文链接：HeterogeneousNetworkRepresentationLearning作者：微软研究院、加州大学、清

林若漫空·2023-10-10 22:21

解决sharedapplication is unavailable not available on ios app extension问题

Podfile中增加下面的代码即可解决问题：post_installdo|installer_representation|installer_representation.pods_p

叫我小哥哥·2023-10-10 11:26

论文笔记：Representation Learning of Knowledge Graphs with Entity Descriptions

文章目录一、摘要二、简介三、方法词袋模型编码器CNN编码器四、实验结果一、摘要文章提出了一种结合【实体外部描述】和【三元组】的知识图谱表示学习方法。在【知识图谱补全】和【实体分类】两个任务上取得了很大的提升。并且很重要的一点是，该方法能够自然地解决【实体不在图谱中的问题】。二、简介文章使用了两种表示方法进行知识图谱表示：基于结构的表示方法，如Trans-E等。基于描述的表示方法，利用对实体或者关系

无聊的人生事无聊·2023-10-08 18:47

解决：Cannot deserialize value of type `java.util.Date` from String “xxx“: not a valid representation..

一、问题：在做数据更新操作的时候，后台数据为Date时，前端把String类型数据传到后台时，Date类型无法识别这个String数据，所以会报错。二、错误描述：主要问题：Causedby:com.fasterxml.jackson.databind.exc.InvalidFormatException:Cannotdeserializevalueoftype`java.util.Date`fro

阿皮匹·2023-10-08 01:23

Unsupervised Visual Representation Learning by Context Prediction读后感

这篇文章的思想是利用self-supervise的思想去运用一些互联网规模的数据集（人工的annotation很难获得），无监督地为图片生成特征。生成的embedding希望是语义相近的目标在embedding空间中也是要相近的（语义不同也就不相近）。一种方法是构建一个pretext任务，autoencoders，contextprediction（文本很容易，但是图片的话很难预测context）

Jeffery_李俊峰·2023-10-07 18:16

[论文精读]Learning Dynamic Graph Representation of Brain Connectome with Spatio-Temporal Attention

论文原文：[2105.13495]LearningDynamicGraphRepresentationofBrainConnectomewithSpatio-TemporalAttention(arxiv.org)应该是21Oct2021那一版（有些pdf下出来是27May2021的，两者有些出入）：学习具有时空注意力的大脑连接组的动态图表示–arXiv虚荣心(arxiv-vanity.com)作

夏莉莉iy·2023-10-06 13:38

论文笔记：Can Adversarial Training benefit Trajectory Representation? AnInvestigation on Robustness for

CanAdversarialTrainingbenefitTrajectoryRepresentation?AnInvestigationonRobustnessforTrajectorySimilarityComputation22CIKM1intro1.1背景与传统基于成对轨迹点的TSC（trajectorysimilaritycomparison）相比，基于深度学习生成的向量的TSC具有较低

UQI-LIUWJ·2023-10-06 01:17

HRNet-深度高分辨率表示学习在人体姿势估计中的应用——Deep High-Resolution Representation Learning for Human Pose Estimation

论文下载地址：https://arxiv.org/abs/1902.09212https://arxiv.org/abs/1902.09212官方源码地址：https://github.com/leoxiaobin/deep-high-resolution-net.pytorchhttps://github.com/leoxiaobin/deep-high-resolution-net.pytor

Joney Feng·2023-10-04 19:23

【HRNet2019】Deep High-Resolution Representation Learning for Visual Recognition

DeepHigh-ResolutionRepresentationLearningforVisualRecognition用于视觉识别的深度高分辨率表示学习文章地址：https://arxiv.org/abs/1908.07919代码地址：https://github.com/HRNet摘要高分辨率表示对于位置敏感视觉问题至关重要，如人体姿态估计、语义分割和目标检测。现有的现有技术框架首先通过

不会声调的博er·2023-10-03 16:58

Unsupervised Single Image Dehazing via Disentangled Representation ICVIP(2019)

摘要：图像去雾的目的是从相应的退化模糊图像中恢复出潜在的清晰内容。本文提出了一种基于非纠缠表示的无监督单幅图像去雾方法。我们提出的方法不依赖于物理散射模型，也不需要成对的训练数据。我们提出了一种内容编码器和模糊编码器，分别从模糊图像中分离出内容和模糊信息。我们提出了一种潜在的回归损失，以鼓励生成的图像保留烟雾信息，并强制烟雾编码器从烟雾图像中提取烟雾信息。引入了循环一致性损失，保证了去模糊图像与原

西北有风·2023-10-01 12:42

Diffusion Autoencoders: Toward a Meaningful and Decodable Representation

DiffusionAutoencoders:TowardaMeaningfulandDecodableRepresentation(Paperreading)KonpatPreechakul,VISTEC,Thailand,CVPR22Oral,Cited:117,Code,Paper1.前言扩散概率模型(DPM)在图像生成方面取得了显着的质量，可与GAN相媲美。但是与GAN不同，DPM使用一组潜

努力学图像处理的小菜·2023-10-01 12:10

Learning Invariant Representation for Unsupervised Image Restoration

LearningInvariantRepresentationforUnsupervisedImageRestoration(Paperreading)WenchaoDu,SichuanUniversity,CVPR20,Cited:63,Code,Paper1.前言近年来，跨域传输被应用于无监督图像恢复任务中。但是，直接应用已有的框架，由于缺乏有效的监督，会导致翻译图像出现域漂移问题。相反，我们

努力学图像处理的小菜·2023-10-01 12:38

论文｜ SimSiam: Exploring Simple Siamese Representation Learning

一写在前面未经允许不得转载谢谢～～～title：SimSiam:ExploringSimpleSiameseRepresentationLearning出处：CVPR2021image.png二主要内容2.1motivation主要是为了解决自监督以及无监督中最常用的孪生网络siamesenetwork容易崩塌的问题。目前为了解决这个问题，现有的方法主要有三种：Contrastivelearnin

与阳光共进早餐·2023-09-29 22:12

Spring MVC 与 Restful 风格

3、Restful的优点4、Restful的特性1）资源（Resources）2）表现层（Representation）3）状态转化（StateTransfer）5、Restful的示例1）没有rest

jason559·2023-09-29 01:28

Momentum Contrast for Unsupervised Visual Representation Learning 论文学习

1.解决了什么问题？非监督学习在自然语言处理非常成功，如GPT和BERT。但在计算机视觉任务上，监督预训练方法要领先于非监督的方法。这种差异可能是因为各自的信号空间不同，语言任务有着离散的信号空间（单词、短语等）来构建非监督学习所需的字典。而计算机视觉则很难构建一个字典，因为原始信号位于连续的高维空间，不像单词一样是结构化的。最近的非监督表征学习方法使用对比损失取得了不错的效果，它们基本是构建了一

calvinpaean·2023-09-26 23:27

自然语言处理: 第十一章BERT(Bidirectional Encoder Representation from Transformers)

论文地址:[1810.04805]BERT:Pre-trainingofDeepBidirectionalTransformersforLanguageUnderstanding(arxiv.org)理论基础之前介绍GPT的搭建的方式的时候，将BERT与GPT进行了对比，我们可以知道BERT和GPT都是基于transformer架构下的分支，二者在最初提出的时间差不多，但是却有着完全不同的走向，以

曼城周杰伦·2023-09-24 18:16

论文精读VectorNet: Encoding HD Maps and Agent Dynamics from Vectorized Representation

1基础背景2Motivation3解决方法4具体效果4.1评价指标4.2结果5反思6学习1基础背景论文链接：https://arxiv.org/abs/2005.04259团队：Waymo2Motivation之前的方案中，主要通过BEV获取车路信息，然后用CNN将提取特征，出现了如下问题：渲染信息丢失（lossyrendering）计算量过大（computationallyintensive）；

EEPI·2023-09-23 23:24

【论文笔记】NeRF-Det: Learning Geometry-Aware Volumetric Representation for Multi-View 3D Object Detection

原文链接：https://arxiv.org/abs/2307.146201.引言深度传感器在室内场景中（如VR、AR设备上）很少被使用，因此仅依赖相机进行3D目标检测充满挑战。最直接的几何建模方法是估计深度，但单目深度估计算法不能准确估计深度且不能实现多视图一致性。神经辐射场（NeRF）被证明能有效建模几何，但将其应用于3D目标检测比较复杂，因为渲染NeRF需要对空间的高频采样以避免混叠

byzy·2023-09-22 16:41

Global Vectors for Word Representation

全局词向量文本表示概述：当前提出来的全局文本表示(GloVe)涵盖了两种主流的模型家族：1.全局矩阵分解2.局部上下文窗口此方法极具效率得将通过单词共同出现的矩阵表示和独立的单词上下文结合起来。目前在同义词任务上有75%及以上的精度，且在相似度任务及命名实体提取中有较好表现Relatedwork1.矩阵分解回顾：共现矩阵，LSA带来的问题：LSA将词和文档映射到潜在语义空间，从而去除了原始向量空间

璆_ca09·2023-09-22 02:09

Unsupervised Representation Learning from Pre-trained Diffusion Probabilistic Models

UnsupervisedRepresentationLearningfromPre-trainedDiffusionProbabilisticModels论文链接：https://arxiv.org/abs/2212.12990代码链接：https://github.com/ckczzj/PDAEAbstract扩散概率模型(DPM)已经显示出生成高质量图像样本的强大能力。最近，扩散自编码器(Di

通街市密人有·2023-09-21 11:02

GraphAIR: Graph representation learning with neighborhood aggregation and interaction

2020PatternRecognition本次阅读只是为了介绍图表示模型，所以下文直接从模型开始介绍。由邻域聚合方案产生的节点表示不太可能很好地捕捉复杂的非线性图，因为它们隐式地和低效地学习邻域交互。GraphAIR的嵌入生成算法，其目的是将邻域交互纳入到节点表示中。首先，建立了邻域相互作用的二次项的模型：为系数，这里表示为于是可以推导出来需要注意的是，连接也被广泛使用，我们发现通过添加跳过连接

SC30W·2023-09-20 11:32

论文阅读：《Wasserstein Distance Guided Representation Learning for Domain Adaptation》

真真真好久没有更新论文阅读了（论文也在库存状态……）一下子就六月底了这个月真的好快但希望这个月的努力会有收获！今天的论文阅读是针对域适应的一篇论文名称：《WassersteinDistanceGuidedRepresentationLearningforDomainAdaptation》论文地址：https://arxiv.org/abs/1707.01217v4论文代码：https://gith

LiBiscuit·2023-09-19 23:35

Vector of Locally and Adaptively Aggregated Descriptors for Image Feature Representation-可解释性的特征表示

VectorofLocallyandAdaptivelyAggregatedDescriptorsforImageFeatureRepresentationAbstract局部聚合描述子向量(VLAD)在图像表示中得到了广泛的应用。然而，VLAD算法寻求描述子与其所属聚类质心之间的残差向量的代数和，这可以降低特征表示的判别能力。为此，本文提出了一种局部自适应聚合描述子向量(VLAAD)框架，自适应

羞儿·2023-09-19 22:58

coursera机器学习公开课笔记08: neural-networks-representation

NoteThispersonalnoteiswrittenafterstudyingtheopeningcourseonthecourserawebsite,MachineLearningbyAndrewNG.Andimages,audiosofthisnoteallcomesfromtheopeningcourse.Motivationsnon-linear-hypothesesInordert

SnailDove·2023-09-17 02:52

CocoaPods generate_multiple_pod_projects设置

在使用generate_multiple_pod_projects后会有一个新的问题产生，就是在post_install中使用下面的方式无法获取到配置项：post_installdo|installer_representation

蛋哥是只猫·2023-09-13 18:39

论文笔记：Deep Representation Learning for Trajectory Similarity Computation

ICDE20181intro1.1背景用于计算轨迹相似性的成对点匹配方法（DTW，LCSS，EDR，ERP）的问题：轨迹的采样率不均匀如果两个轨迹表示相同的基本路径，但是以不同的采样率生成，那么这些方法很难将它们识别为相似的轨迹当样本点的采样率很低时，很难对齐相似轨迹的样本点当样本点噪声时，这些方法的性能可能会下降。复杂度大O(n^2)【n是轨迹长度】1.2论文贡献论文提出t2vec，基于深度表示

UQI-LIUWJ·2023-09-12 21:19

论文笔记：Towards robust trajectory similarity computation: Representation‑based spatio‑temporal similar

WWW20231intro1.1背景现有的轨迹相似度方法通常假定采样的轨迹具有统一且一致的采样率如果两条轨迹能够为它们的大部分样本点形成成对匹配，就认为它们是相似的然而，由于各种原因，轨迹的采样率会有所不同在这种情况下，基于匹配的方法被证明是无效的不仅采样率可能不同，轨迹还有可能有噪声——低质量轨迹假设我们在两条低质量轨迹之间进行相似性连接任务，连接结果可能是不准确的因为噪声位置点可能使两条相似的

UQI-LIUWJ·2023-09-12 21:49

文本表示｜独热编码｜整数编码｜词嵌入

文本表示（Representation）作用：将非结构化的信息（文本）转化为结构化的信息（向量）文本表示的方法：1.one-hotrepresentation独热编码2.整数编码3.wordembedding

程非池的小软·2023-09-12 01:56

C float Memory Representation

Howfloatanddoublearestored?ClanguagefollowstheIEEE754standardforrepresentingfloatingpointvaluesinthememory.Unliketheinttypethatisdirectlystoredinthememoryinbinaryform,thefloatvaluesaredividedintotwopa

fareast_mzh·2023-09-12 00:48

推荐频道

Representation