
Python 中的 requirements.txt 与 setup.py
Python 中 requirements.txt、setup.py 和 setup.cfg 的用途

论文导读:Universal Adversarial Training
在这篇论文中,作者提出了一种优化的方法来找到给定模型的通用对抗样本(首先在 Moosavi-Desfooli 等人 [1] 中引入)。作者还提出了一种低成本算法来增强模型对此类扰动的鲁棒性。

Pandas DataFrame 中的自连接和交叉连接
在本文中,介绍了如何在Pandas中使用连接的操作,以及它们是如何在 Pandas DataFrame 中执行的。

轻量级图卷积网络LightGCN介绍和构建推荐系统示例
今天介绍的这个模型被称作:Light Graph Convolution Network 或 LightGCN。LightGCN 非常轻量级,训练速度比其他基于 GCN 的模型快得多,并且在效果上表现得也非常不错

5分钟NLP:使用 HuggingFace 微调BERT 并使用 TensorBoard 可视化
上篇文章我们已经介绍了Hugging Face的主要类,在本文中将介绍如何使用Hugging Face进行BERT的微调进行评论的分类。

论文导读:CoAtNet是如何完美结合 CNN 和 Transformer的
这篇文章主要介绍 Z. Dai 等人的论文 CoAtNet: Marrying Convolution and Attention for All Data Sizes。(2021 年)。

条件随机场(CRF)的详细解释
条件随机场(CRF)结合了最大熵模型和隐马尔可夫模型的特点,是一种无向图模型,其中相邻的上下文信息或状态会影响当前预测,常用于标注或分析序列资料,如自然语言文字或是生物序列

LazyProphet:使用 LightGBM 进行时间序列预测
但是当在单变量情况下使用增强树时,由于没有大量的外生特征可以利用,它的性能非常的糟糕。LazyProphet通过新的特征生成方法可以大大提高树型模型处理时序数据的性能

论文解释:SeFa ,在潜在空间中为 GAN 寻找语义向量
SeFa — Closed-Form Factorization of Latent Semantics in GANs

优化算法之手推遗传算法(Genetic Algorithm)的详细步骤图解
遗传算法(Genetic Algorithm, GA)是模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算模型,是一种通过模拟自然进化过程搜索最优解的方法。

5分钟 NLP :Hugging Face 主要类和函数介绍 🤗
主要包括Pipeline, Datasets, Metrics, and AutoClasses

贝叶斯网络的D-separation详解和Python代码实现
D分离(D-Separation)又被称作有向分离,是一种用来判断变量是否条件独立的图形化方法。相比于非图形化方法,D-Separation更加直观且计算简单。

3种时间序列混合建模方法的效果对比和代码实现
本文中将讨论如何建立一个有效的混合预测器,并对常见混合方式进行对比和分析

论文推荐:ReLICv2 ,新的自监督学习能否在ResNet 上超越监督学习?
自监督 ResNets 能否在 ImageNet 上没有标签的情况下超越监督学习?

深度特征合成与遗传特征生成,两种自动特征生成策略的比较
特征工程是从现有特征创建新特征的过程,本文中将通过一个示例比较两种自动特征生成的方法:DFS和GFG

图嵌入中节点如何映射到向量
所有的机器学习算法都需要输入数值型的向量数据,图嵌入通过学习从图的结构化数据到矢量表示的映射来获得节点的嵌入向量。它的最基本优化方法是将具有相似上下文的映射节点靠近嵌入空间。

4大类11种常见的时间序列预测方法总结和代码示例
本篇文章将总结时间序列预测方法,并将所有方法分类介绍并提供相应的python代码示例

论文推荐:StarCraft II Unplugged 离线强化学习
在本文中,我们将介绍 StarCarft II Unplugged 论文 [1],本论文可以将AlphaStar进行了扩展或者说更好的补充解释,绝对值得详细阅读。

音频数据建模全流程代码示例:通过讲话人的声音进行年龄预测
从EDA、音频预处理到特征工程和数据建模的完整源代码演示

TensorBoard的最全使用教程:看这篇就够了
本文详细介绍了 TensorBoard 所有基本组件以及高级的功能,并推荐了常用插件和使用方法,提供与PyTorch结合使用的方法代码。