MySQL Optimization Learning(六)
ck set name = 'aa' where id = 1;Query OK, 1 row affected (30.79 sec)Rows matched: 1 Changed: 1 Warnings: 0--9、session1mysql> select* from mylock;+----+------+| id | NAME |+----+------+| 1 | aa ||...
MySQL Optimization Learning(五)
, -> PARTITION p_others VALUES LESS THAN MAXVALUE ENGINE = INNODB);Query OK, 0 rows affected, 1 warning (1.48 sec) 1、分区表的应用场景 1.表非常大以至于无法全部都放在内存中，或者只在表的最后部分有热点数据，其他均是历史数据 2.分区表的数据更容易维护 批量删除大量数据可以使用清除...
第三十五章 ObjectScript Productions - Defining Business Metrics - 定义单实例业务指标
文章目录 第三十五章 开发Productions - ObjectScript Productions - Defining Business Metrics - 定义单实例业务指标定义单实例业务指标定义简单的业务指标属性使用自动历史定义业务指标属性 第三十五章 开发Productions - ObjectScript Productions - Defining Business Metrics - ...
【强化学习】——Q-learning算法为例入门Pytorch强化学习
目录 1、强化学习是什么 1.1 定义 1.2 基本组成 1.3 马尔可夫决策过程 2、强化学习的应用 3、常见的强化学习算法 3.1 Q-learning算法 3.2 Q-learning的算法步骤 3.3 Pytorch代码实现 1、强化学习是什么 1.1 定义 强化学习（Reinforcement Learning，RL）是一种机器学习方法，其目标是通过智能体（Agent）与环境的交互学习最优行为...
如何在long-running task中调用async方法
什么是 long-running threadlong-running task 是指那些长时间运行的任务，比如在一个 while True 中执行耗时较长的同步处理。下面的例子中，我们不断从队列中尝试取出数据，并对这些数据进行处理，这样的任务就适合交给一个 long-running task 来处理。var queue = new BlockingCollection<string>(); Tas...
Jan 2023-Prioritizing Samples in Reinforcement Learning with Reducible Loss
拓扑经验回放(TER)-2022将智能体的experience组织成a graph(图)，该图跟踪状态q值之间的依赖性。4 Reducible Loss for Reinforcement Learning 受监督学习中优先训练的激励，我们提出了一种针对强化学习问题的优先排序方案，即智能体应该专注于具有更高的可减少TD误差的样本，而不是根据TD误差进行优先级排序，。这意味着，我们应该使用TD误差可以...
Pruning 系列 （八）layer常用简枝(torch)方法
环境 python 3.9 numpy 1.24.1 pytorch 2.0.0+cu117 一、prune.random_unstructured pytorch：文档地址 用法: torch.nn.utils.prune.random_unstructured(module, name, amount) 参数： module(torch.nn.Module) -包含要修剪的张量的模块 name(str...
Pruning 系列 （五）Dropout、Dropconnect剪枝
环境 python 3.9 numpy 1.24.1 pytorch 2.0.0+cu117 一、Dropout dropout在全连接层使用。 假设丢弃概率是P，有两种实现方式，不管是在《测试阶段》还是《训练阶段》对每层的输出做缩放，都是为了保持伯努利分布的期望np。《测试阶段》没dropout 而是全量神经元参与运算，不然预测结果具有随机性。为了保持每层输出和训练时一样的期望，所以需要缩放。 形象化理...
论文解读（ FGSM）《Adversarial training methods for semi-supervised text classification》
论文信息 1 背景1.1 对抗性实例（Adversarial examples） 通过对输入进行小扰动创建的实例，可显著增加机器学习模型所引起的损失 对抗性实例的存在暴露了机器学习模型的脆弱性和局限性，也对安全敏感的应用场景带来了潜在的威胁； 1.2 对抗性训练训练模型正确分类未修改示例和对抗性示例的过程，使分类器对扰动具有鲁棒性目的： 正则化手段，提升模型的性能（分类准确率），防止过...
迁移学习（）《Attract, Perturb, and Explore: Learning a Feature Alignment Network for Semi-supervised Domain Adaptation》
d target samples, respectively. SSDA aims to enhance the target domain discriminability through training on $\mathcal{D}_{s}$, $\mathcal{D}_{t}$ , and $\mathcal{D}_{u}$ .4.2 整体框架4.3 带有原型的球形特征空间在...