整理了GraphSAGE（GraphSampleandaggregate图采样和聚合）论文的阅读笔记背景相关工作模型推导前向传播扩展GraphSAGE算法框架到minibatch模型训练聚合器的设置实验对GraphSAGE表达能力的理论分析（讨论其如何学习图结构）参考论文对节点嵌入不明白的可以先看这篇：论文笔记：DeepWalk与Node2vec背景 还是之前笔记里提到过的直推式(Transductive)学习与归纳(Inductive)学习：Inductivelearning，翻译成中文可以叫做“归纳式学习”，就是从已有数据中归纳出模式来，应用于新的数据和任务。在图学习的训练过程中，看不到
CMUDLSys课程笔记2-MLRefresher/SoftmaxRegression本节Slides|本节课程视频这一节课是对机器学习内容的一个复习，以SoftmaxRegression为例讲解一个典型的有监督机器学习案例的整个流程以及其中的各种概念。预期读者应当对机器学习的基本概念有一定的了解。目录CMUDLSys课程笔记2-MLRefresher/SoftmaxRegression目录机器学习基础SoftmaxRegression案例问题定义模型假设损失函数优化方法完整算法描述机器学习基础针对于手写数字识别这一问题，传统的图像识别算法可能是首先找到每个数字的特征，然后手写规则来识别每个数
CMUDLSys课程笔记2-MLRefresher/SoftmaxRegression本节Slides|本节课程视频这一节课是对机器学习内容的一个复习，以SoftmaxRegression为例讲解一个典型的有监督机器学习案例的整个流程以及其中的各种概念。预期读者应当对机器学习的基本概念有一定的了解。目录CMUDLSys课程笔记2-MLRefresher/SoftmaxRegression目录机器学习基础SoftmaxRegression案例问题定义模型假设损失函数优化方法完整算法描述机器学习基础针对于手写数字识别这一问题，传统的图像识别算法可能是首先找到每个数字的特征，然后手写规则来识别每个数
书生·浦语大模型系列轻量级：InternLM-7B70亿模型参数1000亿训练token数据长语境能力，支持8K语境窗口长度通用工具调用能力，多种工具调用模板中量级：InternLM-20B200亿模型参数，在模型能力与推理代价间取得平衡采用深而窄的结果，降低推理计算量但提高推理能力4K训练语境长度，推理时可外推至16K重量级：1230亿模型参数，强大的性能极强推理能力、全面的知识覆盖面、超级理解能力与对话能力准确的API调用能力，可实现各类Agent从模型到应用流程-浦语大模型全链路开源体系生态数据：书生·万卷2TB数据，涵盖多种模态与任务预训练：InternLM-Train并行训练，极致优
RO-NeRF论文笔记文章目录RO-NeRF论文笔记论文概述Abstract1Introduction2RelatedWork3Method3.1RGBanddepthinpaintingnetwork3.2BackgroundonNeRFs3.3Confidence-basedviewselection3.4Implementationdetails4Experiments4.1DatasetsRealObjectsSyntheticObjects4.2Metrics4.3Ablationsandcomparisonwithbaselines4.4Limitations5Conclusion
文章概览😶🌫️0说在最前面+实现功能👀1CubeMX中的配置🕶1.1RCC&ClockConfiguration时钟配置🕶1.2SYSDebug设置🕶1.3TIM定时器设置（TIM8-PWM+TIM4-HALL+TIM6简单定时）🥽【TIM4】通用定时器-84MHz-10Hz(T=100ms)的HALL传感器🥽【TIM6】基本定时器-84MHz-50Hz(T=20ms)🥽【TIM8】高级定时器-168MHz-20kHz(T=50us)的PWM输出及触发ADC采样🕶1.4USART3通讯设置（收发数据，把ADC采集数据打出来）🕶1.5GPIOOutput-LED设置输出低电平灯亮🕶1.6ADC
考纲1、大数据安全概念及目标（1）如何在满足可用性的前提下实现大数据机密性和完整性 （2）如何实现大数据的安全共享 （3）如何实现大数据真实性验证与可信溯源大数据全生命周期：大数据的生命周期包括数据产生、采集、传输、存储、使用、分享、销毁等诸多环节安全问题较为突出的是数据采集、数据传输、数据存储、数据分析与使用2、传统访问控制技术和基于密码的访问控制技术。访问控制(AccessControl)：确保数据等资产只能经过授权的用户才能访问、使用和修改。访问控制策略(Policies)：是对系统中用户访问资源行为的安全约束需求的具体描述。访问控制模型(Model)：是对访问控制策略的抽象、简化和规范
论文链接：[2002.12416]LearningintheFrequencyDomain(arxiv.org)https://arxiv.org/abs/2002.12416论文代码：kaix90/DCTNet(github.com)https://github.com/kaix90/DCTNet1、研究背景a）在传统方法中，高分辨率的RGB图片通常在CPU上进行预处理，然后转移到GPU上进行推理。因为没有经过压缩的RGB图片很大，所以CPU和GPU之间的传输带宽（CB）要求很高。为减少计算代价和传输带宽，高分辨率的RGB图片被下采样至更小的图片，但是这通常导致信息丢失和更低的推理准确率。b
一、聚合分析简介1.ES聚合分析是什么？聚合分析是数据库中重要的功能特性，完成对一个查询的数据集中数据的聚合计算，如：找出某字段（或计算表达式的结果）的最大值、最小值，计算和、平均值等。ES作为搜索引擎兼数据库，同样提供了强大的聚合分析能力。对一个数据集求最大、最小、和、平均值等指标的聚合，在ES中称为指标聚合metric而关系型数据库中除了有聚合函数外，还可以对查询出的数据进行分组groupby，再在组上进行指标聚合。在ES中groupby称为分桶，桶聚合bucketingES中还提供了矩阵聚合（matrix）、管道聚合（pipleline），但还在完善中。2.ES聚合分析查询的写法在查询请
链接：https://pan.baidu.com/s/1-tCCFwZ0RggXtbWYBVyhFg?pwd=mcgv 提取码：mcgv 华为MageBookD14原厂WIN11系统自带所有驱动、出厂状态主题壁纸、Office办公软件、华为电脑管家、华为应用市场等预装软件程序文件格式：esd/wim/swm安装方式：PE模式安装注意：安装系统时会格式化系统盘，请提前备份好重要资料！由于时间关系,绝大部分资料没有上传，如果不是想要的型号，请私信或留言。
