发表于 | 分类于
| 字数统计 2738 | 阅读时长 13

前言

自从进入了研究生以后，时间就开始严重不够用了。虽然已经把玩游戏，刷微博看八卦这种纯粹浪费时间的事情全部去掉了，但是每天仍然被做不完的事情所充斥着。

陪家人和女票（已经没了）的时间变得非常的少，同时觉得获得的知识摄入量也没有因此大量提升，个人觉得自己进入了吴军老师说的假忙碌状态。于是总结了以下两点原因：

  1. 事情安排出了问题 做了大量不重要但紧急的事情，导致重要不紧急的事情没有做，最终导致 deadline的时候，被各种重要紧急的事情压破，紧张感导致了工作效率的下降，最终导致恶性循环。
  2. 个人能力问题 时间的掌控，和身体的健康状况。个人不能做到到了指定的时间就立刻停止手头的事情。总会延长一点占用两个事件之间的休息时间，直接导致下一个任务过度劳累，效率下降。同时多次因为各种“事情”压迫了自己读书和健身的时间，这点长远来看是非常不好的。
阅读全文 »

发表于 | 分类于
| 字数统计 284 | 阅读时长 1

curl 直接登录

重要的事情写在开头：现在 10.3.8.211 使用命令行登录可能会出现问题。

  1. 登录默认计流量的账号 
    1
     curl 'http://10.3.8.217/login' --data 'user=student_id&pass=password&line='

  2. 登录联通 or 移动的账号

    1
    2
    3
     curl 'http://10.3.8.217/login' --data 'user=student_id&pass=password&line=CUC-BRAS'
 # CUC-BRAS for 联通
 # CMCC-BRAS for 移动
阅读全文 »

发表于 | 分类于
| 字数统计 439 | 阅读时长 2

简述

SVD（Singular Value Decomposition），即奇异值分解，本质上是一种矩阵分解技术，在应用领域已经出现了进百年。矩阵分解技术指的是将一个原始矩阵表示成新的易于处理的形式，这种形式是两个或多个矩阵的乘积，可以简单的理解为因式分解。最早使用 SVD 的应用的领域为信息检索，使用 SVD 的检索方法称为隐性语义索引（Latent Semantic Index，LSI）或隐性语义分析（Latent Semantic Analysis，LSA）。

阅读全文 »

发表于 | 分类于
| 字数统计 849 | 阅读时长 4

PCA

简要说明

PCA 的全称为主成分分析（Principal Component Analysis）。简单的来说，PCA 的本质是将原来的坐标系转变为新的坐标系，而新的坐标系的基的选择为原始数据中方差最大的方向。

阅读全文 »

发表于 | 分类于
| 字数统计 733 | 阅读时长 3

TransferLoss

VGGLoss

VGGLoss 是提取 VGG 的不同的层学到的图片的特征，之后通过对比这些不同层的特征来计算两个图片的相似度，计算相似度的功能如下：

\[l_{vgg}(x, y) = ||f_\phi(x) - f_\phi(y)||^{2}_2\]
阅读全文 »

发表于 | 分类于
| 字数统计 972 | 阅读时长 4

N ways K shot few-shot Learning 问题的描述

最终训练模型的效果需要达到，给模型之前完全没见过的 $N$ 个新类，每个新类中只有 $K$ 个样本。该模型需要能够通过利用这仅有的 $N \times K$ 个样本，来对接下来给出的新样本进行分类。在 RelationNet work 1 的问题描述中，将这给出的 $N \times K$ 个样本集称为 Support Set ，待分类的图片集称为 Query Set。

  1. Learning to Compare：Relation Network for Few-Shot Learning CVPR 2018 ↩

阅读全文 »

发表于 | 分类于
| 字数统计 209 | 阅读时长 1

使用场景

当我们在拷贝或者解压的时候，我们需要一个进度条。但是遗憾的是，Linux 自带的指令的选项中并没有这个选项，所以我们需要手动给他创造一个。这时候就用到了一个 Github 上开源的软件 cv，地址在这里。

阅读全文 »

发表于 | 分类于
| 字数统计 1931 | 阅读时长 9

Intro

上一篇我们讲了 MonteCarlo 和 TD 方法，他们都是用于在五模型的时候估算当前各个状态的 Value 的，即已经有了 Policy Evaluation 部分。我们还需要一个 Policy Impovement 的部分。这部分就是来解决这个问题的。在优化控制部分，我们根据是否根据已经拥有他人的经验来更新自身的控制策略，将优化控制分类下面两类：

  • Online-policy Learning 其基本思想是个体已经有一个策略，并且根据这个策略去进行采样，并根据使用了这个策略得到的一些行为的奖励，更新状态函数，最后根据更新的价值函数来优化策略得到的最有的策略。
  • Offline-policy Learning 其资本思想是个体已经有了一个策略，但是不根据这个策略进行采样，而是根据另一个策略进行采用。这个策略的来源可以是先前学习的策略，也可以是人类给出的策略。在自己的策略形成的价值函数的基础上观察别的策略产生的行为，以达到学习的目的。小帅哥说，这种事类似于“站在别人肩膀后面观察他人行为的一种方式”。
阅读全文 »

发表于 | 分类于
| 字数统计 812 | 阅读时长 4

这一课帅小哥主要讲的内容是预测的部分，在第五课会加入控制的部分。其中预测的部分主要是两个相似的算法，一个为 Monte-Carlo（MC），另一个为 Temporal-Difference（TD）。两者的区别主要在于，MC 为需要在出现终止状态后，才能得到 Reward，而 TD 则是实时的。

阅读全文 »