课程源自http://e-learning.51cto.com/course/15234 """进程和线程的概述"""""" 进程就是运行中的应用程序。应用程序是静态的，进程是动态的。 查看所有正在运行的进程，每个进程至少对应一个线程。每个进程都用来完成一件作任务，每个线程完成进程内的一件子任务。线 ...
分类：
编程语言 时间：
2020-05-30 12:53:50
阅读次数：
56
本文介绍了针对few-shot图像分类的最新代表性元学习方法。 建立必要的符号后，我们首先在数学上制定few-shot learning，并为一般的one-shot训练和评估提供一个伪编码算法。 然后，我们提供分类学和对最近的少量元学习方法的简要回顾，以帮助研究人员快速掌握该领域的最新方法。 最后，... ...
分类：
Web程序 时间：
2020-05-30 10:59:27
阅读次数：
94
Few-shot image classification Three regimes of image classification Problem formulation Training set consists of labeled samples from lots of “tasks”, ...
分类：
其他好文 时间：
2020-05-27 12:09:24
阅读次数：
85
一、反编译一个类（包括内部函数、方法、类型、参数） package com.bjpowernode.java_learning; ? public class D118_CustomerService { public boolean login(String name,String pwd) { ...
分类：
编程语言 时间：
2020-05-27 01:12:18
阅读次数：
69
MetaPruning 2019-ICCV-MetaPruning Meta Learning for Automatic Neural Network Channel Pruning Zechun Liu (HKUST)、Xiangyu Zhang (MEGVII)、Jian Sun(MEGVII ...
分类：
Web程序 时间：
2020-05-26 21:59:42
阅读次数：
79
A Survey on Deep Learning for Named Entity Recognition https://arxiv.org/abs/1812.09449 命名实体识别（Named Entity Recognition, NER）是指从自由文本中识别出属于预定义类别的文本片段。N ...
分类：
其他好文 时间：
2020-05-25 22:29:32
阅读次数：
106
结果部署是机器学习的最后一步。 选定算法之后，对算法训练生成模型，并部署到生产环境上，以便利用机器学习解决实际问题。 模型生成之后，也需要定期对模型进行更行，是模型处于最新，最有效的状态，通常建议3-6月更新一次模型。 生成的模型序列化之后，当有新的数据出现时，需要反序列化已保存的模型，然后用其预测 ...
分类：
系统相关 时间：
2020-05-25 09:32:16
阅读次数：
64
[TOC] "Keskar N S, Mudigere D, Nocedal J, et al. On Large Batch Training for Deep Learning: Generalization Gap and Sharp Minima[J]. arXiv: Learning, 2 ...
分类：
其他好文 时间：
2020-05-24 20:49:06
阅读次数：
69
《Retinal Abnormalities Recognition Using Regional Multitask Learning 》 For What Question? Innovation point? Implement 一、For What Question? 患有眼球疾病的人数急剧 ...
分类：
其他好文 时间：
2020-05-24 16:43:27
阅读次数：
69
语义分割：基于openCV和深度学习（二） Semantic segmentation in images with OpenCV 开始吧-打开segment.py归档并插入以下代码： Semantic segmentation with OpenCV and deep learning # imp ...
分类：
其他好文 时间：
2020-05-24 13:24:54
阅读次数：
51
