精华内容
下载资源
问答
  • transfer

    千次阅读 2011-01-04 16:59:00
    struct libusb_transfer 这个libubs_transfer代表了一切的传输方式。批量,中断,控制,等时。 这是一个装货的卡车。需要事先把货物装在到卡车上。因此我们可以推测他应当有如下几个成员 1 ...

    struct libusb_transfer

    这个libubs_transfer代表了一切的传输方式。批量,中断,控制,等时。

    这是一个装货的卡车。需要事先把货物装在到卡车上。因此我们可以推测他应当有如下几个成员

    1  货车为之服务的公司, 即是 usb设备句柄。

    2  货物  即传输的数据以及数据长度

    3  货物运送仓库地址   即端点号

    4  方向   是主机到USB还是USB到主机。

    5  到达时间

     

    此外应当还有 送达时间。

    因此这libusb_transfer将是我们重点操作的对象。 由它封装了对端点以及数据传输的操作。

    创建一个libusb_transfer

    struct libusb_transfer * libusb_alloc_transfer ( int  iso_packets  )

    libusb_transfer *libusb_alloc_transfer(int iso_packets);

    这个函数只是让我们操作了libusb_transfer中的一个数值,即int libusb_transfer::num_iso_packets

    Number of isochronous packets.

    这个是用在等时传输的端点,如果不是等时传输,那么可以将其设置为0。

     

     

    展开全文
  • 迁移学习概述(Transfer Learning)

    万次阅读 多人点赞 2019-01-06 23:41:45
    迁移学习概述(Transfer Learning)迁移学习概述背景定义及分类关键点基于实例的迁移基于特征的迁移特征选择特征映射基于共享参数的迁移深度学习和迁移学习结合Pre-training+Fine-tuningSDA (Stacked Denoising Auto...

    迁移学习概述

    背景

    随着越来越多的机器学习应用场景的出现,而现有表现比较好的监督学习需要大量的标注数据,标注数据是一项枯燥无味且花费巨大的任务,所以迁移学习受到越来越多的关注。

    传统机器学习(主要指监督学习)

    • 基于同分布假设
    • 需要大量标注数据

    然而实际使用过程中不同数据集可能存在一些问题,比如

    • 数据分布差异

    • 标注数据过期
      训练数据过期,也就是好不容易标定的数据要被丢弃,有些应用中数据是分布随着时间推移会有变化

    如何充分利用之前标注好的数据(废物利用),同时又保证在新的任务上的模型精度?
    基于这样的问题,所以就有了对于迁移学习的研究

    在这里插入图片描述

    定义及分类

    Transfer Learning Definition:
    Ability of a system to recognize and apply knowledge and skills learned in previous domains/tasks to novel domains/tasks.

    目标
    将某个领域或任务上学习到的知识或模式应用到不同但相关的领域或问题中。

    主要思想
    从相关领域中迁移标注数据或者知识结构、完成或改进目标领域或任务的学习效果。

    在这里插入图片描述

    人在实际生活中有很多迁移学习,比如学会骑自行车,就比较容易学摩托车,学会了C语言,在学一些其它编程语言会简单很多。那么机器是否能够像人类一样举一反三呢?

    在这里插入图片描述
    上图是一个商品评论情感分析的例子,图中包含两个不同的产品领域:books 图书领域和 furniture 家具领域;在图书领域,通常用“broad”、“quality fiction”等词汇来表达正面情感,而在家具领域中却由“sharp”、“light weight”等词汇来表达正面情感。可见此任务中,不同领域的不同情感词多数不发生重叠、存在领域独享词、且词汇在不同领域出现的频率显著不同,因此会导致领域间的概率分布失配问题。

    迁移学习的形式定义及一种分类方式
    在这里插入图片描述

    迁移学习里有两个非常重要的概念

    • 域(Domain)
    • 任务(Task)

    可以理解为某个时刻的某个特定领域,比如书本评论和电视剧评论可以看作是两个不同的domain
    任务 就是要做的事情,比如情感分析和实体识别就是两个不同的task

    关键点

    在这里插入图片描述

    1. 研究可以用哪些知识在不同的领域或者任务中进行迁移学习,即不同领域之间有哪些共有知识可以迁移。
    2. 研究在找到了迁移对象之后,针对具体问题所采用哪种迁移学习的特定算法,即如何设计出合适的算法来提取和迁移共有知识。
    3. 研究什么情况下适合迁移,迁移技巧是否适合具体应用,其中涉及到负迁移的问题。

    当领域间的概率分布差异很大时,上述假设通常难以成立,这会导致严重的负迁移问题。
    负迁移是旧知识对新知识学习的阻碍作用,比如学习了三轮车之后对骑自行车的影响,和学习汉语拼音对学英文字母的影响
    研究如何利用正迁移,避免负迁移

    基于实例的迁移

    基于实例的迁移学习研究的是,如何从源领域中挑选出,对目标领域的训练有用的实例,比如对源领域的有标记数据实例进行有效的权重分配,让源域实例分布接近目标域的实例分布,从而在目标领域中建立一个分类精度较高的、可靠地学习模型。
    因为,迁移学习中源领域与目标领域的数据分布是不一致,所以源领域中所有有标记的数据实例不一定都对目标领域有用。戴文渊等人提出的TrAdaBoost算法就是典型的基于实例的迁移。
    在这里插入图片描述

    基于特征的迁移

    特征选择

    基于特征选择的迁移学习算法,关注的是如何找出源领域与目标领域之间共同的特征表示,然后利用这些特征进行知识迁移。

    特征映射

    基于特征映射的迁移学习算法,关注的是如何将源领域和目标领域的数据从原始特征空间映射到新的特征空间中去。
    这样,在该空间中,源领域数据与的目标领域的数据分布相同,从而可以在新的空间中,更好地利用源领域已有的有标记数据样本进行分类训练,最终对目标领域的数据进行分类测试。

    在这里插入图片描述

    基于共享参数的迁移

    基于共享参数的迁移研究的是如何找到源数据和目标数据的空间模型之间的共同参数或者先验分布,从而可以通过进一步处理,达到知识迁移的目的,假设前提是,学习任务中的的每个相关模型会共享一些相同的参数或者先验分布。

    深度学习和迁移学习结合

    在这里插入图片描述

    深度学习需要大量的高质量标注数据,Pre-training + fine-tuning 是现在深度学习中一个非常流行的trick,尤其是以图像领域为代表,很多时候会选择预训练的ImageNet对模型进行初始化。

    下面将主要通过一些paper对深度学习中的迁移学习应用进行探讨

    Pre-training+Fine-tuning

    2014年Bengio等人在NIPS上发表论文 How transferable are features in deep neural networks,研究深度学习中各个layer特征的可迁移性(或者说通用性)
    文章中进行了如下图所示的实验,有四种模型

    • Domain A上的基本模型BaseA
    • Domain B上的基本模型BaseB
    • Domain B上前n层使用BaseB的参数初始化(后续有frozen和fine-tuning两种方式)
    • Domain B上前n层使用BaseA的参数初始化(后续有frozen和fine-tuning两种方式)

    在这里插入图片描述

    将深度学习应用在图像处理领域中时,会观察到第一层(first-layer)中提取的features基本上是类似于Gabor滤波器(Gabor filters)和色彩斑点(color blobs)之类的。
    通常情况下第一层与具体的图像数据集关系不是特别大,而网络的最后一层则是与选定的数据集及其任务目标紧密相关的;文章中将第一层feature称之为一般(general)特征,最后一层称之为特定(specific)特征

    在这里插入图片描述

    • 特征迁移使得模型的泛化性能有所提升,即使目标数据集非常大的时候也是如此。
    • 随着参数被固定的层数n的增长,两个相似度小的任务之间的transferability gap的增长速度比两个相似度大的两个任务之间的transferability gap增长更快 两个数据集越不相似特征迁移的效果就越差
    • 即使从不是特别相似的任务中进行迁移也比使用随机filters(或者说随机的参数)要好
    • 使用迁移参数初始化网络能够提升泛化性能,即使目标task经过了大量的调整依然如此。

    DANN (Domain-Adversarial Neural Network)

    这篇paper将近两年流行的对抗网络思想引入到迁移学习中,从而提出了DANN

    在这里插入图片描述
    图中所展示的即为DANN的结构图,框架由feature extractor、label predictor和domain classifier三个部分组成,并且在feature extractor和domain classifier 之间有一个gradient reversal layer;其中domain classifier只在训练过程中发挥作用

    • DANN将领域适配和特征学习整合到一个训练过程中,将领域适配嵌入在特征表示的学习过程中;所以模型最后的分类决策是基于既有区分力又对领域变换具有不变性的特征。
    • 优化特征映射参数的目的是为了最小化label classifier的损失函数,最大化domain classifier的损失函数,前者是为了提取出具有区分能力的特征,后者是为了提取出具有领域不变性的特征,最终优化得到的特征兼具两种性质。

    参考文献

    [1] How transferable are features in deep neural networks(NIPS2014 Bengio et al.)
    [2] Learning and Transferring Mid-Level Image Representations using Convolutional Neural Networks(CVPR2014 Oquab.et al.)
    [3] Domain Adaptation for Large-Scale Sentiment Classification: A Deep Learning Approach(ICML2011 Glorot. Bengio.et al.)
    [4] Marginalized denoising autoencoders for domain adaptation (ICML2012 Chen et al.)
    [5] Domain-Adversarial Training of Neural Networks(JMLR2016 Ganin.et al.)

    展开全文
  • Could not transfer artifact xxx from/to xxx的解决方案

    万次阅读 多人点赞 2018-11-10 20:54:33
    Could not transfer artifact xxx from/to xxx解决方案问题描述解决步骤 问题描述 本地仓库有对应的jar包,但是maven install 一直提示 Could not transfer artifact。折腾了我老半天 Failed to read artifact ...

    Could not transfer artifact xxx from/to xxx解决方案

    问题描述

    本地仓库有对应的jar包,但是maven install 一直提示 Could not transfer artifact。折腾了我老半天

    Failed to read artifact descriptor for *: Could not transfer artifact * from/to central (https://repo.maven.apache.org/maven2): Received fatal alert: protocol_version -> [Help 1]
    

    Failed to read artifact descriptor for *: Could not transfer artifact com.* from/to central (https://repo.maven.apache.org/maven2): Received fatal alert: protocol_version -> [Help 1]

    解决步骤

    1. 找到本地仓库对应的问题jar包 后里面一个 _remote.repositories 文件;
      在这里插入图片描述
    2. 打开这个文件 把 public= 改成 central=ps: nexus 表示为私服,central表示为中央仓库
      在这里插入图片描述
    3. 此时可以重新编译,如果还是报 Could not transfer artifact ,不要方,你可以再尝试把对应jar包目录中 .lastUpdated结尾的文件给干掉,这个时候就好了。

    希望这个解决方案可以帮助大家,谢谢

    展开全文
  • 遇到的问题一: error: RPC failed; curl 18 transfer closed with outstanding read data remaining fatal: The remote end hung up unexpectedly fatal: early EOF fatal: index-pack fail...

      

             遇到的问题一:

        error: RPC failed; curl 18 transfer closed with outstanding read data remaining
        fatal: The remote end hung up unexpectedly
        fatal: early EOF
        fatal: index-pack failed

     

           这个错误是因为项目太久,tag资源文件太大

     

           解决方式一, 网上大部分解决措施:命令终端输入 

           

            git config --global http.postBuffer 524288000

      

            用上面的命令有的人可以解决,我的还不行,需要如下方式命令,只clone深度为一

     

           $ git clone /github_com/large-repository --depth 1
           $ cd large-repository
           $ git fetch --unshallow

     

            中划线处填入的git仓库的地址。。。(我用的是http方式,不是ssh)

     

              解决方式二,一般clone http方式的容易产生此问题,改成SSH的方式也有效,即https://改为git://

     

     

       遇到的问题二:

        warning: templates not found /usr/local/git/share/git-core/templates

        

          在终端输入 
          open /usr/local/
         在打开的目录中可以看到:
         如果没有 git 目录
        打开下面的地址,下载 git-osx 并安装,
         http://git-scm.com/download/mac 

         如果有 git 目录
         并且相应的 share,git-core,templates 目录都有,,说明是权限的问题.

         在终端输入:
         sudo chmod -R 755 /usr/local/git/share/git-core/templates
         注意 sudo 创建目录需要输入当前 Mac 用户的密码
         最后重新 clone 项目

        

     

        以上问题是我在Mac电脑用xcode自带git、sourcetree、终端三个方式clone某个项目都不能成功克隆下来。

       遇到的问题,其他项目都可以。

     

     

     

       相关拓展博客地址:

         http://www.jianshu.com/p/0e3421961db4

         http://blog.csdn.net/h5q8n2e7/article/details/46919579

     

     

    展开全文
  • Attention Transfer

    2019-11-07 20:45:52
    Paying More Attention to Attention: Improving the Performance of Convolutional Neural Networks via Attention Transfer Motivation 大量的论文已经证明Attention在CV、NLP中都发挥着巨大的作用,因为本文利用...
  • Element Transfer

    2019-05-04 03:16:24
    这是 Element-UI 的 Transfer 组件,下面就配合源码看下具体实现。 Template <template> <div class="el-transfer"> <transfer-panel // 将父组件的props一起传给自组件 v-bind="$props" // ...
  • 后来一篇《Transfer Learning via Learning to Transfer》被PMLR2018接受。 Abstract 在迁移学习中,要解决的两个主要问题是什么和如何迁移,因为在源域和目标域之间应用不同的迁移学习算法会导致不同的知识迁移,...
  • transfer learning

    千次阅读 2018-06-21 15:56:37
    Transfer learning 顾名思义就是就是把已学训练好的模型参数迁移到新的模型来帮助新模型训练数据集。就跟其他知友回答的那样,考虑到大部分数据或任务是存在相关性的,所以通过transfer learning我们可以将已经学到...
  • Transfer Learning

    2016-09-07 10:41:17
    本文先是对Transfer Learning做一个总结,接着提到依据Transfer Learning训练网络的一些心得体会。
  • transfer learning via learning to transfer Ying Wei 突然发现一年前听过师姐的讲座,当时没来得及细看文章,更详细的笔记见:论文笔记 背景: Transfer learning: 从标注数据多的领域到少的领域 Research ...
  • File Transfer

    千次阅读 2017-10-10 22:31:17
    File Transfer#include #include #include #include #include #include #include using namespace std; #define N 10010int Fa[N]; void Init() {
  • Transfer Learning 概念

    2019-04-22 22:06:56
    在学习pytorch然后刷官方的pytorch-tutorials到讲解Image/Finetune_Torchvision_Models时,看到Transfer Learning, 它在提及fine-tune和feature extraction两个方法时给了Transfer Learning概念解析的两个链接,这里...
  • Windows远程连接linux SSH Secure Shell Client + SSH Secure File Transfer Client
  • Adversarial Stain Transfer for Histopathology Image Analysis 对抗染色迁移用于组织病理学分析 Abstract 病理组织切片的色彩信息对病理组织学分析和诊断至关重要,临床诊断中,病理学家通常依靠颜色做出诊断,而...
  • Neural Style Transfer: A Review Abstract Gatys等的工作展示了CNN用于艺术创作方面迷人的一面,这种将图像渲染成不同艺术风格的行为称为风格迁移9Neural Style Transfer,NST).本文旨在对NST的相关研究进展进行综述...
  • tim transfer entropy

    2019-06-18 09:00:23
    https://github.com/Healthcast/TransEnt http://www.cs.tut.fi/~timhome/tim-1.0.2/directory.... http://www.cs.tut.fi/~timhome/tim-1.0.2/tim/core/transfer_entropy.cpp.htm % TRANSFER_ENTROPY_PT % A tem...
  • 2:在SSH Secure File Transfer(上传文件那个),打开“Operation”菜单,打开“File Transfer Mode”子菜单,再选择“Binary”,OK!3:把服务器上同名文件删掉再传4:如果文件在桌面上,将要上传的
  • Style transfer GAN

    2020-05-15 11:07:27
    Style transfer GANcganpix2pixcycle ganstargan cgan y:条件 x:gt pix2pix x:cGAN的条件 y:gt cgan: 输入图片&gt, 虚假图片&gt l1:虚假图片&gt cycle gan stargan
  • 在solidity只能合约中,正常情况下我们可以使用transfer方法来进行转账操作,具体使用如下: msg.sender.transfer(_value); 这样,就可以将指定的金额转到msg.sender的账户内。但是,还有一些情况时,ETH的接收者并...
  • Color Transfer

    2015-09-24 22:04:21
    最近实现《Color Transfer between Images》,在网络上查找相关资料时,发现有些人实现算法直接使用OpenCV的lab转换函数。最初我也想使用这个函数,但是在查看OpenCV的document过程中,发觉lab公式与论文paper里的...
  • Vue el-tree与el-transfer的结合使用之el-tree-transfer

    万次阅读 热门讨论 2019-07-24 10:48:22
    npm install el-tree-transfer --save 或 npm i el-tree-transfer -S 结果如下即成功: 然后引入: <script> import treeTransfer from 'el-tree-transfer' // 引入 export defu...
  • Domain-transfer (e.g. style-transfer, pix2pix, sketch2image) Image-to-Image Translation with Conditional Adversarial Networks, [paper], [github], [youtube] Unpaired Image-to-Image Translation using C...
  • call transfer: 呼叫转接, 有盲转和询问转接等 blind transfer: 您可以在不需要告知被转接者有来电情况下将来电转接至另一方此项功能允许使用者在不需要第三方应答情况下将正在通话的来电转接给第三方  ---这个...
  • Android File Transfer

    2018-08-29 23:18:00
    macbook pro 如何查看手机...Android File Transfer https://www.android.com/filetransfer/ https://www.bilibili.com/read/cv160005 http://www.cnblogs.com/qyf404/p/5769566.html https://jingyan.baidu.com/a...
  • el-transfer 用法

    千次阅读 2020-04-02 10:09:46
    el-transfer filterable v-model="value" :data="transferData" :titles="['成员库', '产品现有成员']" ></el-transfer> data(){ return{ //源列表的数据 (source) transfer...
  • Style Learning and Transfer Style-Content Separation by Anisotropic Part Scales (2010) [Paper] Design Preserving Garment Transfer (2012) [Paper] Analogy-Driven 3D Style Transfer (2014) [Paper] Elem...
  • color transfer 颜色转化

    热门讨论 2011-12-06 17:00:14
    代码中实现了两个用于颜色转化的论文 1.《Color Transfer Between Images》对应类HistogramCT.h 2.《Color Transfer Based on Normalized Cumulative Hue Histograms》对应类HistogramCT.h
  • Transfer 穿梭框

    千次阅读 2019-04-28 10:56:15
    Transfer 的数据通过 data 属性传入。数据需要是一个对象数组,每个对象有以下属性:key 为数据的唯一性标识,label 为显示文本,disabled 表示该项数据是否禁止转移。目标列表中的数据项会同步到绑定至 v-model 的...
  • androidfiletransfer.dmg

    热门讨论 2013-07-31 12:28:48
    Android File Transfer is an application for Macintosh computers (running Mac OS X 10.5 or later) you can use to view and transfer files between your Mac and an Android device (running Android 3.0 or ...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 74,085
精华内容 29,634
关键字:

transfer