精华内容
下载资源
问答
  • 同期及上期数据对比处理示例.sql --雇员数据CREATE TABLE Employee( ID int, --雇员编号(主键) Name nvarchar(10), --雇员名称Dept nvarchar(10)) -很多企业都会将年的数据用图表做数据对比,然后根据对比结果做出...

    同期及上期数据对比处理示例.sql --雇员数据CREATE TABLE Employee( ID int, --雇员编号(主键) Name nvarchar(10), --雇员名称Dept nvarchar(10)) -很多企业都会将两年的数据用图表做数据对比,然后根据对比结果做出下一年的目标,但是这要的对比图表如何制作呢?很多朋友遇到这样的问题可能都是比较头。

    问题如何相对于当前日期比较年同比数据。环境Tableau Desktop 答案下面的示例使用Sample - Superstore 数据。将“Order Date”(订单日期)拖到“行1.我们本节课进行讲解同期数据对比模板,先来看一下背景介绍等。2.我们来看一下什么叫做【offset函数】的意思是什么。3.我们可以根据表格来进行试一下,作用是通过一个定位点和两个偏移量之后。

    我图网提供原创本年度与上年同期产值对比图表下载,模板编号为26976333,大小为0.00 MB,作品由QQ1842468F上传到我图网,作品高清大图模板,格式为XLSX,属于绩效考核表分类本高清模板,作品模板源文相信许多同学在进行这样的两组数据对比的时候,一般都是用的常规的柱状图、折线图图表来展示。今天我们就来学习一下,如何制作不一样的左右对比图来进行两组同期数据的对比。

    9 SUM(num) over(PARTITION BY SORT,unit,code ORDER BY trunc(in_date, 'mm') RANGE BETWEEN INTERVAL '1' YEAR preceding AND INTERVAL '1' YEAR prcsdn已为您找到关于如何做两年数据对比相关内容,包含如何做两年数据对比相关文档代码介绍、相关教程视频课程,以及相关如何做两年数据对比问答内容。为您解决当下相关问题。

    ˇ﹏ˇ 同期比较,就是去年一月和今年一月的数据进行比较去年半年的合计数和今年半年合计数比较我这张表中最主要的是实发数比较L2 L3的答案确实有不内容提要:本文的Excel教程分享了使用SUMPRODUCT函数及条件格式来制作同期数据自动对比表图。做电商的小伙伴们,会经常需要对当前的数据与历史数据进行对比,得出差异,分析趋。

    展开全文
  • 4、对全文内容理解、分析不正确的项是 ( ) ( ) A.提出书法是一种文化,既是对其范围的界定,也是为其下定义。 B.字体书法的形态,是书法“本体”结构的“外显”的表层部分。 C.书法作品的外在“形式”,从根本...

    中国书法:作为一种文化

    刘守安

    ①我们提出书法是一种文化,并不是为书法下定义,只是一个范围的界定。时下人们为“中国书法”已下过各种各样的定义,表述的方式各不同,但使用的一个关键词和核心概念是一样的,那就是“艺术”。特别是几位著名的学者提出书法是“艺术”,甚至是“纯粹艺术”、“最高艺术”等等,影响甚大。

    ②人们把中国书法定义为艺术是基于中国书法具有很高的审美价值。但把汉字的字形放在“中国书法”作为文化层次的结构中来审视,就会发现,汉字符号的审美效果是在书法文化结构的物态文化层面体现的。在整体的书法文化或一件完整的书法“作品”中,字体书法形态属于物态文化层,这是书法“本体”结构的“外显”的表层部分。当人们对汉字结构的科学性、艺术性及书写出来的笔法、字法、章法给予充分的估量和赞美的时候,我们看到研究者往往只限于对“作品”“物态文化层”的分析说明。并且往往忽略字体得以显示的“物器”、材料本身的质地、色调因素;忽略一件书法“作品”的美是在书体形态与材料形态有机融合中显示出来的这一重要事实,所以人们对书法“物态层”的研究与描述也往往是不全面的。在多层次结构的书法文化中,只就其表层结构进行分析,把它当作书法“本体”、全体,并由此概括其性质并作定义。这种研究思想和方法都值得斟酌。

    ③在对一种文化形态作文化结构的观察中,我们分出物态、制度、行为、心态四个文化层次,以求全面认识其内部结构中的各个文化层次并非具有同等的意义。其中心态文化层是文化的核心部分。这个核心部分体现着该文化形态被创造的目的。因而也集中体现着该文化形态的价值、功能。就具体的书法作品来说,展示汉字字迹的形态不是目的,展示出一定的文字的内容,以实现文字的记录、传播功能才是目的。各种书法“作品”的文字内容体现着作者、书者的思想、意识、价值观念、思维方式、审美情趣等等,展示出蕴含着经济、政治、宗教、家族、社会风习等内容的无比丰富的“意义世界”。如果说在对“书法”这种文化现象的考察中,对物态文化层次专注而对制度文化、行为文化在物态文化的体现可能有所忽略的话,那么忽视对书法“作品”文字内容的考察、认知则是完全不应该的。文字内容属于书法文化的“心态文化层”,是体现“作品”价值的核心部分,丢弃了文字内容而只专注文字的物态形式,这还是一个完整的书法“本体”吗?

    ④如果我们从“汉字”与“书法”的关系方面作观察,也会得出同样的结论。中国书法与汉字密切相关,而汉字同其他文字一样,有形、音、义三要素。书写者总是为显“义”而构形,而并非为构“形”而构“形”,为书写而书写。现在的问题是,“书法”研究者仅着眼书写者的构“形”和接受者的识“形”、观“形”,把书写者显“义”和接受者会“义”的目的丢掉了。这样,研究者尽管把汉字的“形”分析得头头是道,但抽掉了汉字“文化”核心内容,也便不能认识汉字及其显示形态的功能价值。

    ⑤一些论者强调汉字字形独立的审美功能,对“形”本身的艺术价值扩大、拔高,其基本论据是将汉字与绘画相比符。这是违背文字的本质规定的。汉字是一种符号而不是图画,符号是约定的,其“形”与其表示的“义”没有必然的联系。作为符号显示的汉字字“形”,其本身的文化意义、审美意义是稀薄的,不确定的。一个个汉字字“形”并非一个个独立的审美对象,而且字“形”方面所显示出的点画(笔法)、结体(字法)、布局(章法)虽然可能显示出某种“形式美”,但它在一件完整的书法作品中毕竟属于“形式”,从根本上说都服从于表达内容的需要,并受到这种目的的制约。那些被称为中国古代书法的各种书迹,都是具有“郑重的用途”(启功语)的实用性书写,绝不是书写者自由“创作”的“为艺术的艺术”。只用“艺术创作规律”和“艺术发展规律”难以讲说这些书迹的产生与变化发展。

    (选自《新华文摘》2005年第19期,有删减)

    1、第②段,作者认为,一些书法研究者对书法作品“物态文化层”的分析说明是不全面的,其理由是:

    ①____________________________________________________

    ②_______________________________________________________

    2、第④段,“也会得出同样的结论”中的“结论”是指____________________________________________________________________。

    3、作者反对一些书法研究者强调汉字字形独立的审美功能。下列各项中,对其原因分析不正确的一项是 (  )

    A.汉字是符号,不等同于绘画,不能与图画的审美相比。

    B.一件完整的书法作品,才能显示出审美意义。

    C.古代书法的各种书迹,都是实用性书写,不是为艺术的艺术。

    D.个体汉字的字形,不具有审美意义和独立的文化意义。

    4、对全文内容理解、分析不正确的两项是 (  ) (  )

    A.提出书法是一种文化,既是对其范围的界定,也是为其下定义。

    B.字体书法的形态,是书法“本体”结构的“外显”的表层部分。

    C.书法作品的外在“形式”,从根本上说是服从于表达内容的需要。

    D.汉字符号的审美效果,是体现在书法文化结构的物态文化层面的。

    E.物态、制度、行为、心态四个层次,在文化结构中具有同等意义。

    5、请举例,谈谈你对书法作品文化意义的认识。(100字左右)

    答:_____________________

    展开全文
  • 作者| Feng整理 | 对白的算法屋编者寄语:很多小伙伴都了解对比学习,但要说温度系数的作用可能就不太清楚了。卷友们好,我是对白。对比学习中的温度系数是一个神秘的参数,大部分论文都默认...

    作者 | Feng

    整理 | 对白的算法屋

    编者寄语:

    很多小伙伴都了解对比学习,但要说温度系数的作用可能就不太清楚了。

    卷友们好,我是对白。

    对比学习中的温度系数是一个神秘的参数,大部分论文都默认采用小的温度系数来进行自监督对比学习(例如0.07,0.2)。然而并没有对采用小温度系数的解释,以及温度系数是如何影响学习过程的,即温度系数这个角色的意义。

    今天给大家介绍一篇CVPR2021中研究对比损失(Contrastive Loss)温度系数的论文,由我校出品,解释了温度系数的具体作用,还借此探索了对比学习的学习机制,相信大伙看完以后,在内卷的道路上又可以领先别人一步了(真是太卷了QAQ)。

    3ef2df52a3f4fad42fa594f0c74ac554.png

    首先总结下本文的发现:

    1.对比损失函数是一个具备困难负样本自发现性质的损失函数,这一性质对于学习高质量的自监督表示是至关重要的,不具备这个性质的损失函数会大大恶化自监督学习的性能。关注困难样本的作用就是:对于那些已经远离的样本,不需要继续让其远离,而主要聚焦在如何使没有远离的那些的样本远离,从而使得到的表示空间更均匀(uniformity)。

    2.温度系数的作用是调节对困难样本的关注程度:越小的温度系数越关注于将本样本和最相似的其他样本分开)。作者对温度系数进行了深入的分析和实验,并利用温度系数来解释对比学习是如何学到有用表征的。

    3.对比损失存在一个均匀性-容忍性Dilemma(Uniformity-Tolerance Dilemma)。小温度系数更关注于将与本样本相似的困难样本分开,因此往往可以得到更均匀的表示。然而困难样本往往是与本样本相似程度较高的,例如同一个类别的不同实例,即有很多困难负样本其实是潜在的正样本。过分强迫与困难样本分开会破坏学到的潜在语义结构。

    论文对温度系数的作用进行了理论的分析和实验的验证。

    一、对比损失更关注困难样本的特性

    首先给出自监督学习广泛使用的对比损失(InfoNCE loss)的形式:

    fdfb7221a917d18fdbaa8e19114f26bf.png

    其中  是温度系数。直观来说,该损失函数要求第i个样本和它的另一个augmentation的副本(即正样本)之间的相似度  尽可能大,而与其他的实例(负样本)之间的相似度  尽可能小。然而,很多的损失可以达到这个要求,例如下面的最简单的形式   :

    bdfee9bfdbf1e095b3222c09703ca0e5.png

    然而实际训练过程,采用  作为损失函数效果非常不好,论文给出了使用contrastive loss(Eq1)和简单损失(Eq2)的性能对比,温度系数采用0.07:19a5bcf5a24445a4ea1224f4c3a61a67.png

    上面的结果显示,在所有数据集上Contrastive Loss要远远好于Simple Loss。作者通过探究发现,不同于Simple Loss,Contrastive Loss是一个困难样本自发现的损失函数。我们可以通过公式(2)看到,Simple Loss对所有的负样本相似度给予了相同权重的惩罚(   ,损失函数对所有的负样本相似度的梯度都是相同的)。而Contrastive Loss则更会自动的给距离更近相似度更高的负样本更多的惩罚。这一点可以通过对比损失(Eq1 中)对不同负样本的相似度的惩罚梯度的简单计算来观察:

    对正样本的梯度: 

    5d1ef4f3a09996d082f33a7481cd22c2.png

    对负样本的梯度: 

    77d9596a2b89b0f294ffba847ee8ecc2.png

    其中:

    8f1a9a06c9e58ff2286ec725c71ca950.png

    对于所有的负样本比较来说,  的分母项都是相同的。那么   越大,则  的分子项越大,梯度项也越大。也就是说,对比损失给予了更相似(困难)的负样本更大的远离该样本的梯度。可以把不同的负样本想像成同极点电荷在不同距离处的受力情况,距离越近的点电荷受到的库伦斥力更大,而距离越远的点电荷受到的斥力越小。对比损失也是这样的。这种性质更有利于形成在超球面均匀分布的特征。

    为了验证上面表格中对比损失和简单损失的差距确实是因为对比损失具有困难样本自发现的特性,作者还用了一种显式的困难样本挖掘算法用于简单损失上。即选取最相似的4096个样本作为负样本,并用Eq2的简单损失作为损失函数,采用显式困难样本挖掘算法的简单损失函数效果大大提升,远远超过了温度系数取0.07时的对比损失。结果如下表所示:

    612c65b7911cae4b85fc9f9aa6632531.png

    二、温度系数的作用

    除了上面介绍的困难样本自发现的性质之外,观察Eq3和Eq4,我们可以容易地发现,损失函数对正样本的梯度绝对值等于所有对负样本的梯度值绝对值的和,即

    84206f0e8c6eac9064d1f1805db95cf1.png

    给予这个观察,作者定义了对第j个负样本的一个相对惩罚强度:

    eb88171c6de7e8885a6fd6cd9b92ef94.png

    则对于所有的  ,  形成了一个玻尔兹曼概率分布,该分布的熵随着温度系数的增大严格增大,即  是随着  单调递增的(只需要满足所有的   不相等即可)。至此作者们发现,温度系数决定了此分布的熵。如果我们将  由大到小排序,形成一个顺序统计量,那么熵的大小将决定了分布的陡峭程度,如下图所示,下图是作者演示的负样本惩罚梯度在不同温度系数下与相似度的关系。当温度系数很小时,例如蓝色线0.07,随着  的增大将惩罚梯度剧烈的增大。而当温度系数逐渐增大,相对梯度的熵逐渐也增大,概率分布逐渐接近均匀分布,例如途中的绿色线。那么对相似度大的负样本的关注度逐渐减小。

    5cd7fc7a9dc283e518b021a4d3145810.png

    上面论证了温度系数的作用,即温度系数决定了对比损失对困难负样本的关注程度,越大的温度系数,往往一视同仁,不会太过关注更困难的负样本;而温度系数越小,则越关注与该样本相似度非常大的困难负样本,给予困难负样本更大的梯度与正样本分离。

    作者为了更具体的解释温度系数的作用,计算了两种极端情况,即温度系数趋向于0和无穷大。

    当温度系数趋向于0时:

    5ab9baeca997842d53eceb87cb31cb3b.png

    可以看出,此时对比损失退化为只关注最困难的负样本的损失函数。而当温度系数趋向于无穷大时:

    0ea7d55db38bdd93285af1b6e1a0ca33.png

    此时对比损失对所有负样本的权重都相同,都为  ,即对比损失失去了困难样本关注的特性。有趣的是,当温度系数趋向于无穷时,该损失便变成了之前介绍的简单损失  。

    作者通过上面的两个极限情况也分析出了对比损失随着温度系数的增大而倾向于“一视同仁”,随着温度系数的减少而只关注最困难的负样本,这样的一种调节负样本关注度的作用

    三、均匀性-容忍性困境

    基于对温度系数作用的探索,作者进而指出了对比学习存在的潜在问题,即均匀性-容忍性的困境

    对于温度系数来说,更小的温度系数更加关注困难样本,因此更容易形成均匀的表示空间,均匀的特征对于表示学习是十分重要的,具体可以见ICML2020的论文 <<Understanding Contrastive Representation Learning through Alignment and Uniformity on the Hypersphere>> 。但是另一方面,由于无监督学习中没有真正的类别标签,对比学习普遍将除本样本以外的所有其他样本作为负样本。


    在这种情况下,与正样本相似度极高的负样本往往很可能是潜在的正样本。例如,与当前的苹果图片相似度最高的图片往往是另一个苹果,此时如果太注重困难负样本则会破坏网络经过一定训练后已经学到的语义信息,这种情况在训练后期尤其明显。随着训练的进行,网络获取到的信息越来越接近真实语义特性,那么此时的负样本更有可能是潜在的正样本,因此一个启示是可以随着迭代的次数增多而增大温度系数,这可能是作者以后的工作。于是作者认为,一个好的温度系数,应该是均匀性和容忍性的折衷。

    50d38c7872abedb03ce39d19e22f8da3.png

    作者对不同温度系数下的均匀性-容忍性进行了量化并可视化如上图。

    四、实验验证

    下图是实验对温度系数的验证,红色的box是正样本的相似度,而横坐标往右依次是与相似度最大的10个样本的相似度分布。可以发现,温度系数越小,正样本和最困难的负样本之间的相似度gap越大,这说明了越小的温度系数越倾向于把最困难的负样本分开。该实验支撑了之前的理论分析。

    5bebb4d01b293a567661494ba8ccf24b.png

    另一方面,作者也对不同的数据集的最优温度系数进行了验证,下图绿色的柱子为对比损失随着温度系数的性能表现。此外,作者也验证了采取显式困难样本发现的对比损失,采取了显示的困难样本挖掘算法后,性能表现与温度系数的关联弱化,当温度系数高于一个合适的值时,该损失产生的模型性能基本保持稳定。

    784cb85d0cd66fc81a79f72877f9a3b4.png

    五、总结

    在本文中,作者试图了解无监督对比损失的一些具体的性质和行为。作者们首先分析出了对比损失是一种困难样本感知的损失函数。并且验证了困难样本感知的性质是对比损失的不可或缺的性质。不具备这种性质的损失函数,即使负样本非常多,性能还是会退化严重。此外作者们也深入研究了温度系数的作用,发现温度系数控制着对负样本感知程度。并接着提出了Uniformity-Tolerance Dilemma。总体来说,论文揭示了一些对比学习有用的性质和现象,相信本文会启发更多的研究者设计更好的损失以及算法。


    投稿或交流学习,备注:昵称-学校(公司)-方向,进入DL&NLP交流群。

    方向有很多:机器学习、深度学习,python,情感分析、意见挖掘、句法分析、机器翻译、人机对话、知识图谱、语音识别等。

    ae9e33228183c1d8a2095c9d3e95729d.png

    记得备注呦

    整理不易,还望给个在看!
    展开全文
  • 今天来介绍如何通过difflib模块实现字符串差异对比。...1、 个字符串的差异对比,代码如下:import difflibtext1 = ''' text1:Differ is a class for comparing sequences of lines of text,andproducing ...

    今天来介绍如何通过difflib模块实现字符串差异对比。Difflib的作用是对比文本之间的差异,且支持输入可读性比较强的HTML文档。下面来看一下示例。

    1、 两个字符串的差异对比,代码如下:

    import difflib

    text1 = ''' text1:

    Differ is a class for comparing sequences of lines of text,and

    producing human-readble differences or deltas.

    add string

    print version

    ''' #定义字串text1

    text1_lines = text1.splitlines() # 以行分隔,以便进行对比

    text2 = '''text2:

    differ is a class for comparing sequences of lines of text,and

    producing human-readable differences or deltas.

    add string

    print version

    ''' #定义字符串2

    text2_lines = text2.splitlines() # 以行分隔,以便进行对比

    d = difflib.Differ() #创建differ()对象

    diff = d.compare(text1_lines,text2_lines) #采用compare 方法对字符串进行比较

    print (''.join(list(diff))) #打印输出结果

    输出结果如下图:

    展开全文
  • 2020年的Moco和SimCLR等,掀起了对比学习在CV领域的热潮,2021年的SimCSE,则让NLP也乘上了对比学习的东风。下面就尝试用QA的形式挖掘其中一些细节知识点...4、对比学习的infoNCE loss 中的温度常数的作用是什么? 5、S
  • 文本增广是什么牛马,我只需要简单Dropout下前言一、pandas是什么?二、使用步骤1.引入库2.读入数据总结 前言 提示:这里可以添加本文要记录的大概内容: 例如:随着人工智能的不断发展,机器学习这门技术也...
  • 目录一、文件内容差异对比方法1.1 个字符串的差异对比1.2 生成美观的对比HTML格式文档二、文件目录差异对比方法2.1 单文件对比2.2 多文件对比2.3 目录对比 问题引入:有这样的需求,在平时批改作业的时候,学生将...
  • pulsar分析以及各消息队列对比

    千次阅读 2021-02-21 11:33:50
    对于rocketmq来说,最大的特点有个:一是tag机制,可以定义子主题,这个机制就在很多场景下起到了关键作用;二是无缝支持canal等产品。基于这个特点,就决定了rocketmq的应用场景。 然后是kafka,高性能就不说...
  • 对比学习正负例在干什么?

    千次阅读 2021-03-22 19:15:08
    上下文实例对比度主要有种类型:预测相对位置(PRP)和最大化互信息(MI)。 它们之间的区别是: • PRP重点学习局部成分之间的相对位置。 全局上下文是预测这些关系的隐含要求(例如了解大象的长相对于预
  • 近期对比学习在NLP\text{NLP}NLP领域取得了不错的成绩,例如句嵌入方法SimCSE[1]\text{SimCSE}^{[1]}SimCSE[1]和短文本聚类方法SCCL[2]\text{SCCL}^{[2]}SCCL[2]。为了能更好的理解近期的进展,期望通过一系列相关的...
  • 对比学习(Contrastive Learning)中的损失函数

    千次阅读 多人点赞 2021-02-16 13:12:03
    文章目录写在前面一、Info Noise-contrastive estimation(Info NCE)1.1 描述1.2 实现二、HCL2.1 描述2.2 实现三、文字解释四、代码解释4.1 Info ...本文重在对InfoNCE的种实现方式的记录。 一、Info Noise-contrasti
  • oracle数据库表数据比较

    千次阅读 2021-05-07 12:31:14
    1 引言在程序设计的过程中,往往会遇到个记录集的比较。如华东电网PMS接口中实现传递一天中变更(新增、修改、删除)的数据。实现的方式有多种,如编程存储过程返回游标,在存储过程中对批数据进行比较等等。本文...
  • 本文介绍了最近流行的对比自监督学习。
  • 文 | 张俊林@知乎对比学习(Contrastive Learning)最近一年比较火,各路大神比如Hinton、Yann LeCun、Kaiming He及一流研究机构比如Faceboo...
  • 比如下面的图,右侧是典型的对比学习方法,通常将一张原图通过数据增强得到个子样本,这一对子样本之间构成一对正对,而与其他数据的子样本构成负对;而本文的有监督对比学习中,每个子样本可能都有很多的正对和负...
  • 我有个csv文件。 一个称为" Standard reg.csv",另一个称为" Driver Details.csv"在"标准reg.csv"中,前行是:['Day', 'Month', 'Year', 'Reg Plate', 'Hour', 'Minute', 'Second', 'Speed over limit']['1', '1...
  • 同时,对比损失的第一项还能确保正样本的对齐,这项起到了相互制约和促进的作用,最终使得SimCSE在BERT和BERT-flow之间找到了平衡点,这也是SimCSE如此有效的关键之处。 实验 作者借助SentEval在多个数据集上评估...
  • 我想大家将对比学习与推荐系统结合主要有以下四个原因:一、是因为数据的稀疏性。众所周知,在推荐系统中有点击的数据是非常少的,可能系统推荐了十篇文章,用户只点击了一篇文章,因此我们可以通过自监督学习对点击...
  • java与go对比(go与java语言区别)

    万次阅读 2021-01-30 21:46:47
    Go和Java作为在世界上影响巨大的门开发语言,在语言特点和应用领域上都存在共通和相似之处。Go从2009年开源至今,在docker、K8s、企业后台等领域都取得了非凡的影响。本文以Golang的主要feature为研究对象,共分为...
  • 详解Spring中Bean的作用域与生命周期

    千次阅读 多人点赞 2021-07-12 23:26:25
    一、Bean的作用域 1、单实例Bean声明 2、多实例Bean声明 二、Bean的生命周期 1、bean的初始和销毁 2、bean的后置处理器 Hello,你好呀,我是灰小猿!一个超会写bug的程序猿! 在利用Spring进行IOC配置时,...
  • 所以对比学习的出现,是图像领域为了解决“在没有更大标注数据集的情况下,如何采用自监督预训练模式,来从中吸取图像本身的先验知识分布,得到一个预训练的模型”。对比学习是自监督学习的一种,也就是说,不依赖...
  • 点击上方蓝字关注我们对比分析是数据分析中最常用的、最好用、最实用分析方法之一。没有对比就不能说明问题,这也是对比分析在数据分析领域经久不衰的原因之一。对比分析是将个或个以上具有可比性的...
  • 高德智能技术中心研发团队在工作中设计了对比学习框架进行知识蒸馏,并在此基础上提出COS-NCE LOSS,该论文已被AI顶会AAAI2021接收。NLP自然语言处理在高德各个业务线发挥重...
  • 无人驾驶 | 自动驾驶技术和机器人技术的对比

    千次阅读 多人点赞 2021-01-09 13:06:36
    个技术栈的对比 根据上述对机器人运动控制技术和自动驾驶技术栈的描述,可以看到两者之间有颇多相似的地方,同时也有一些差异点,具体分析如下: 1. 运动底座 vs 参考汽车平台 二者都是运动的控制主体,为上层...
  • API网关对比与技术选型

    千次阅读 2021-01-25 01:24:12
    API 网关并非一个新兴的概念,在十几年前就已经存在了,它的作用主要是作为流量的入口,统一的处理和业务相关的请求,让请求更加安全、快速和准确的得到处理。它有以下传统的功能: 反向代理和负载均衡,这和 Nginx...
  • 小型神经网络投影头(projection head) 投影头 g(⋅)g(·)g(⋅)的作用是将编码后的表征 hih_ihi​映射到应用对比损失的潜在空间中,本文使用的是一个层MLP,具体计算方法如下: zi=g(hi)=W(2)(σ(W(1)(hi))) z_i=g...
  • 3.2 基于对比学习的句子表示迁移框架 图3 ConSERT的基本框架 如图3所示,我们受到SimCLR的启发对BERT编码器进行了改进,提出ConSERT,主要包含三个部分: 一个数据增强模块(详见后文),作用于Embedding层,为同一...
  • 3.2 基于对比学习的句子表示迁移框架 图3 ConSERT的基本框架 如图3所示,我们受到SimCLR的启发对BERT编码器进行了改进,提出ConSERT,主要包含三个部分: 一个数据增强模块(详见后文),作用于Embedding层,为同一...
  • @Qualifier的作用和应用

    千次阅读 2021-04-29 00:54:46
    来源:blog.csdn.net/qq_30062181/article/details/107619529@Qualifier的作用这是官方的介绍This annotation may ...
  • 常见开源规则引擎对比分析

    千次阅读 2020-12-30 11:19:52
    我们分别都从使用角度、原理角度个方面进行分析。 0x01 easy-rules 项目地址:https://github.com/j-easy/easy-rules 1. 规则模型 ![image.png](https://img-blog.csdnimg.cn/img_convert/b5724b0dcd

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 347,790
精华内容 139,116
关键字:

两算对比的作用