时光胶囊-2023生日快乐🐲🐊🐸🥂🍕🥘🛫📑👟🚲️🔖🆒
新的一岁；和世界续约；和自己续约；和家人朋友们续约；和健康快乐自由智慧美丽续约！
[object Object]
数据存储组件 · App Inventor 2 中文网 (fun123.cn)
多模态
结合多模态数据进行分类任务是一个常见的挑战，特别是在处理不同类型的数据，如文本、图像、音频等。以下是一些常见的方法：
融合层级模型（Multimodal Fusion Models）：
建立多个模态数据的独立模型，然后通过一个融合层将它们的表示整合在一起。这个融合可以是简单的拼接、加权求和、注意力机制等。这样的模型通常包括一个用于每个模态的子模型和一个用于融合的主模型。
多模态注意力（Multimodal Attention）：
使用注意力机制来赋予不同模态数据不同的重要性。这可以帮助模型在处理多模态输入时更好地关注关键信息。
共享表示学习（Shared Representation Learning）：
尝试学习一个共享的表示，使得不同模态数据在共享空间中有意义的对应。这通常涉及到使用联合训练或对抗性训练来确保学到的表示能够更好地适应不同模态。
循环神经网络（Recurrent Neural Networks，RNNs）：
对于时序性的多模态数据，可以使用RNNs来处理序列信息。这对于处理时间序列、视频等数据类型特别有效。
特征融合（Feature Fusion）： ...
学习网站
深度学习 (fast.ai)
Active learning
Active Learning（主动学习）是一种机器学习的方法，它涉及到模型根据当前的预测和不确定性主动地选择一些样本进行标注，以便在训练中获得更好的性能。在传统的监督学习中，模型通常会被提供一个已经标记好的数据集进行训练。而在主动学习中，模型可以自己选择它认为对提高性能最有帮助的样本进行标记，从而减少标记样本的数量。主动学习的基本思想是通过选择最有信息价值的样本，使模型能够更快地收敛和取得更好的性能。这对于那些标记数据较为昂贵或难以获取的任务特别有用。主动学习的一般步骤包括：
初始模型： 使用一个初始模型对数据进行预测。
不确定性估计： 评估模型对于每个未标记样本的不确定性，通常是通过模型输出的概率或置信度来衡量。
样本选择： 选择模型认为最有帮助的未标记样本，可能是那些不确定性高的样本或者对于模型来说比较难处理的样本。
标记样本： 将选择的样本进行标记，并将其添加到训练集中。
更新模型： 使用新标记的样本更新模型，然后重复这个过程。
Zero-Shot Learning
零样本学习(Zero-Shot Learning)简介与分类 - 知乎 (zhihu.com)
希望模型能够识别出在训练阶段未曾见过的类别
概括一下，就是利用类别的高维语义特征代替样本的低维特征，使得训练出来的模型具有迁移性。这里斑马的高维语义就是马的外形、老虎的斑纹、熊猫的颜色，尽管缺乏更多细节，但这些高维语义已经足够刻画斑马，从而让计算机成功识别出来未见过的斑马实例
根据测试或推论时数据的可用性，零样本学习也可以分为两类。
常规零样本学习 在常规的零样本学习中，在测试时要识别的图像仅限于未知类别，即测试类别。但这类方法并不实用，因为实际中很难保证测试时数据仅仅来自未知的类别。
广义零样本学习 在广义零样本学习中，测试时的图像可以属于已知或未知类别。与常规设置相比，该设置实际上更加实用，但却更具挑战性。原因就是该模型仅在已知类图像上训练，因此可想而知其预测会偏向于已知类。这会导致许多未知类的图像在测试时被错误地分类为已知类，从而大大降低了模型的性能。
“Zero-shot training strategy”（零样本训练策略）是一种机器学习策略，旨在使模型能够在没有见 ...
slack
步骤 | 注册并通过链接加入已有工作区
注册 apple可以，学校邮箱可以，outlook可以但我的收不到验证码，163不行。注册完他让你选个工作区，一般出现的是些乱七八糟的，就选择自己创建一个。随便命名 进入。
通过链接加入已有工作区时 显示界面为已经关闭新业务我们已不再接受来自您所在国家的新注册用户。解决：fanqiang。先别删除这个邀请链接的页面，在另一个界面注册登录自己创建的工作区后，再跳转回这个页面 发现让你选几个方式登录，我选的是apple，然后显示给你发验证码，这个要等一会儿，然后输入就可以了。（遇到bug说什么未知错误之类，可能是我退出fanqiang了。还有说什么apple的隐藏邮件地址不行 感觉都是没fanqiang）
数字信号处理
Z反变换——长除法_哔哩哔哩_bilibili谁都看得懂的数字信号处理教程(第19讲z反变换2留数法）_哔哩哔哩_bilibili
第一章3-2-2循环卷积_哔哩哔哩_bilibili
第二章5.1后续视频_哔哩哔哩_bilibili随机过程的基本概念_哔哩哔哩_bilibili
一些自我审思
2fc3c19f356db790c3e834d14d104bb191da18eb2a67ebecbc6326e87134c2b76589a74a9330c16aecd452282370afa9e02b033317555b740c71a25de59d0aae0c5da9c6c8357b30fe85c9cb03778305ac308cedb499cae974291279dc786ddedb18a1ff90bcd8485116031a4d659a519d1cad83e4f41d10c455835201cf2aa43a77a4344bdaac2d2034708c76cbea3fa30532f416ee9e945f45f9e8c1e8334c0dd674ffd2f0d760c43a4ca072cf73bc58b734db8d391e306b5e813c00a38da200e04a65fe7020455e17cffe83378602ceb8eeb4966188ae466722464d6cc24a70a93469b8137082a68b394b201cc34db2ae99a0912b92e38 ...
python debug日常
问题：过程：解决：
问题：import同一个文件夹其他文件失败过程：试了__init__.py， import sys解决：最后发现是文件命名导致，之前的名字是3_文件名,然后import 文件夹名._文件名就可以，为了避免这种问题把123改成abc了。