性能有巨大的提升是Python3.11的一个重要的改进，除此以外Python3.11还有增加了许多新的特性。在本文中我们将介绍Python3.11新特性，通过代码示例演示这些技巧如何提高生产力并优化代码。 1、模式匹配 Python3.11引入了模式匹配，可以简化复杂的条件逻辑。下面是一个使用模式匹配来处理不同类型数据结构的例子: defprocess_data(data): matchdata: case0: print("Receivedzero") case[x,y]: print(f"Receivedalist:{x},{y}") case{"name":name,"a...

今天继续给大家推荐一个线性代数在线学习网站。其内容同时被选为佐治亚理工学院线性代数教材。 在线网址：https://textbooks.math.gatech.edu/ila/ 或者后台回复【ila】下载对应pdf文件。 简介 这本书的目的是让大家学习线性代数更容易，书名称突出了一个重要主题：代数和几何之间的融合。 本书的最大特点仍然是可交互。 除了可交互外，本书另一大特点是附带大量具有实际意义的示例。 例如，利用线性代数计算交通数据 例如，利用线性代数计算大气成分 目录 本书仍然围绕线性代数两大主题：向量和矩阵。 什么是线性代数？ 线性：与直线、平面等有关。代数：解决涉及未...

  作者：邢斌   编辑：学妹 近日，临沂大学文学院邢斌教授以《2022年冬，我在临沂城送外卖》为题，讲述了自己整整一个月的送外卖经历。他从送外卖的基本情况、个人体验与观察、底层民众的生存成本，讲到当代知识分子的信息茧房。 文章一经发出，引起众多讨论，收获超万赞，现在将全文分享给大家。 （图源：美团外卖） 邢斌：2022年冬，我在临沂城送外卖 作者：邢斌临沂大学文学院教授 一、外卖的基本情况 说干就干。 最简单的是跑“美团众包”:不用培训，注册就行，不限时间，不规定最低工作量，收入一天一结。还有“蜂鸟众包(以前是饿了吗)。基本同上。 后来又...

内容一览：雷暴、冰雹、龙卷风等极端天气总是让人捉摸不透又避之不及。然而澳洲的研究者们却以身犯险，深入雹暴收集数据，只为让天气预报得更准。在超级计算机和AI的加持下，人类能否追上风暴，让混沌的天气系统不再那么捉摸不透？且看这部追风者们主演的「追风者也」。 关键词：大模型 追风者 极端天气 作者|雪菜 编辑|三羊 1996年上映的知名冒险灾难片《龙卷风》中，主角为了对龙卷风进行深入的研究，将探测设备亲身带入到龙卷风中心，以实现实时的数据记录。 受这部电影启发，澳大利亚气象学者JoshuaSoderholm及JulianBrimelow一起开始了自己的追风之旅，并成功将小型天气...

在machinelearning中，特征降维和特征选择是两个常见的概念，在应用machinelearning来解决问题的论文中经常会出现。特征降维和特征选择的目的都是使数据的维数降低，使数据维度降小。但实际上两者的区别是很大，他们的本质是完全不同的。 降维? 降低数据集中特征的维数，同时保持尽可能多的信息的技术被称为降维。它是机器学习和数据挖掘中常用的技术，可以最大限度地降低数据复杂性并提高模型性能。 降维可以通过多种方式实现，包括: 主成分分析(PCA)：PCA是一种统计方法，可识别一组不相关的变量，将原始变量进行线性组合，称为主成分。 第一个主成分解释了数据中最大的方差，然后每个后续成...

for是所有编程语言的基础语法，初学者为了快速实现功能，依懒性较强。但如果从运算时间性能上考虑可能不是特别好的选择。 本次东哥介绍几个常见的提速方法，一个比一个快，了解pandas本质，才能知道如何提速。 >>>importpandasaspd 导入数据集 >>>df=pd.read_csv('demand_profile.csv') >>>df.head() date_timeenergy_kwh 01/1/130:000.586 11/1/131:000.580 21/1/132:000.572 31/1/133:000.596 4...

参考资料：Nature、知乎、早稻田大学、华中科技大学官网等。 从“强烈不鼓励”到发政策明令禁止。又有高校对师生恋情的态度缩紧。 4月17日，牛津大学颁布新的规定：禁止教职员工和学生之间发展亲密关系，而在此之前，牛津大学官方的态度是“强烈反对”。据悉，政策颁布后，对于牛津大学现存的师生恋情，学校将确保涉事职工对该学生不再负有进一步责任。 同时，牛津大学的工作人员还被敦促不要建立任何其他可能被视为“职业行为”之外的亲密个人联系。新政策称，不遵守规定的教职员工将面临纪律处分程序。 在过去，教职员工和学生之间的亲密关系是被允许的，只是必须要向上级申报。但目前牛津大学已加入诸如UCL、诺丁汉大学等...

事预则立，不预则废，训练机器学习模型也是如此。数据清洗和预处理是模型训练之前的必要过程，否则模型可能就「废」了。本文是一个初学者指南，将带你领略如何在任意的数据集上，针对任意一个机器学习模型，完成数据预处理工作。 数据预处理是建立机器学习模型的第一步（也很可能是最重要的一步），对最终结果有决定性的作用：如果你的数据集没有完成数据清洗和预处理，那么你的模型很可能也不会有效——就是这么简单。 人们通常认为，数据预处理是一个非常枯燥的部分。但它就是「做好准备」和「完全没有准备」之间的差别，也是表现专业和业余之间的差别。就像为度假做好事先准备一样，如果你提前将行程细节确定好，就能够预防旅途变成一场噩...

导读 使用相当数量的参数和FLOP时，YOLO-MS优于最新最先进的实时目标检测器，包括YOLO-v7和RTMDet。以YOLO-MS的XS版本为例，仅4.5M可学习参数和8.7GFLOPs，在MSCOCO上即可达到43%+的AP分数。 论文链接：https://arxiv.org/pdf/2308.05480.pdf 代码链接：https://github.com/FishAndWasabi/YOLO-MS 作者旨在为目标检测社区提供一种高效且性能卓越的目标检测器，称为YOLO-MS。核心设计基于一系列对不同Kernel-Size卷积如何影响不同尺度上目标检测性能的研究。研究结果是一种...

提升算法是一类机器学习算法，通过迭代地训练一系列弱分类器（通常是决策树）来构建一个强分类器。在每一轮迭代中，新的分类器被设计为修正前一轮分类器的错误，从而逐步提高整体的分类性能。 尽管神经网络兴起并流行起来，但提升算法仍然相当实用。因为它们在训练数据有限、训练时间短、缺乏参数调优专业知识等的情况下，仍然有良好的表现。 提升算法有AdaBoost、CatBoost、LightGBM、XGBoost等。 本文，将重点关注CatBoost、LightGBM、XGBoost。将包括： 结构上的区别； 每个算法对分类变量的处理方式； 理解参数； 在数据集上的实践； 每个算法的性能。 文章来自...

大家学Python面向对象的时候，总会遇到一个让人难以理解的存在：self 这个self到底是谁啊，为什么每个类实例方法都有一个参数self，它到底有什么作用呢？ 「先下结论：类实例化后，self即代表着实例（对象）本身」 想要理解self有个最简单的方法，就是你把self当做「实例（对象)的身份证。」 Python的类不能直接使用，只有通过创建实例（对象）才能发挥它的功能，每个实例（对象）都是独一无二的，它可以调用类的方法、属性。类就像灵魂附体一样，让实例（对象）有了自己（self）的功能。 初学者会发现，类的方法（构造方法和实例方法）中都会有一个固定参数self，其实这个参数就是代表着...

以后我会在公众号分享一些关于算法的应用（美颜相关的），工作之后，发现更重要的能力如何理解业务并将算法应用其中创造价值，以及如何落地 。 今天要分享的是人像分割相关的内容，如果你喜欢的话，欢迎三连哦 主要内容 人像分割简介 UNet的简介 UNet实现人像分割 人像分割简介 人像分割的相关应用非常广，例如基于人像分割可以实现背景的替换做出各种非常酷炫的效果。我们将训练数据扩充到人体分割，那么我们就是对人体做美颜特效处理，同时对背景做其他的特效处理，这样整张画面就会变得更加有趣，更加提高颜值了，这里我们对人体前景做美颜调色处理，对背景做了以下特效： ①景深模糊效果，用来模拟双摄聚焦...

By超神经 据世界卫生组织统计，2020年全球新发乳腺癌病例230万例，在所有癌症中居首位，超越肺癌成为第一大癌。 然而，如果能够早期发现并加以及时治疗，在肿瘤转移之前杀死癌细胞，乳腺癌的致死率就可以大大降低。目前乳腺癌初筛的常用手段是乳腺X光，随后医生通过分析复核X光片对乳腺健康情况进行判断。但复核过程会消耗大量时间，影响其他患者的就诊。 为此，英国诺丁汉大学的研究者对比了商用AI与医生阅读乳腺X光片的能力，为AI在临床医疗的应用提供了新思路。 作者|雪菜 编辑|三羊、铁塔 据美国癌症协会统计，2022年美国女性新发癌症病例数约93万例，其中新增乳腺癌患者约29万人，占比31%。同时，...

NeurIPS是当前全球最负盛名的AI学术会议之一，全称是NeuralInformationProcessingSystems，神经信息处理系统大会，通常在每年12月由NeurIPS基金会主办。大会讨论的内容包含深度学习、计算机视觉、大规模机器学习、学习理论、优化、稀疏理论等众多细分领域。 NeurIPS2023已是第37届，将于12月10日到16日举行，举办地点为路易斯安那州新奥尔良市。 今天，NeurIPS官方放出了录用结果。根据官网邮件中给出的数据，本届会议共有12343篇有效论文投稿，接收率为26.1％，高于2022年的25.6％。 结果出来，社交平台上几家欢喜几家愁。有人投的...

编辑：蛋酱、小舟 SVMisallyouneed，支持向量机永不过时。 Transformer是一个支持向量机（SVM）一种新型理论在学界引发了人们的讨论。 上周末，一篇来自宾夕法尼亚大学、加州大学河滨分校的论文试图研究大模型基础Transformer结构的原理，其在注意力层的优化几何与将最优输入token与非最优token分开的硬边界SVM问题之间建立了形式等价。 在hackernews上作者表示，这种理论解决了SVM将每个输入序列中的「好」标记与「坏」token分开的问题。该SVM作为一个性能优异的token选择器，与传统为输入分配0-1标签的SVM本质上不同。 这种理论也解释了注意...

微软今天宣布： 将旗下所有GPT-4加持的Copilot功能全部统一成“MicrosoftCopilot”。 并直接从9月26日（下周二）开始，通过Win11系统免费推送。 作为固定在任务栏的应用程序，你只需右击它的全新logo或者使用快捷键Windows+C，即可在整个系统、各类应用程序中随时召唤这一全新AI助手。 除此之外，必应也将火速支持OpenAI最新的AI绘画模型DALL.E3（后者昨天才官宣）。 以及Microsoft365Copilot将于今年11月1日率先推出企业版（30美元/月），直接造福一大批企业打工人。 一口气宣布这么多大动作，网友们的兴奋值无疑被拉满了。 并且不断...

编译|谢年年 大语言模型LLM被视为一个巨大的知识库，它可以根据你提出问题或陈述的方式来提供答案。就像人类可能会根据问题的不同提供不同的答案一样，LLM也可以根据输入的不同给出不同的答案。因此，你的问题或陈述方式就显得非常重要。 如何引导大语言模型给出更恰当的答案，是最近研究的热点。经常用到的方法如让大模型扮演一个角色，或是给出几个示例都可以引导大模型给出更好的答案。除此之外还有一直以来很火热的思维链的方法也是值得尝试的。 在这篇文章中，我们总结了各种增强LLM推理的提示工程框架，包括： Chain-of-Thought[1] Chain-of-Thought-Self-Consiste...

在校园深处，一个教学楼后的安静角落里，一群青涩的大学新生聚在一起，低声讨论着他们的班主任——一名博士教授。他们注意到这名女教授的穿着简朴至极，甚至可以说有些陈旧。这名博士教授手持的不是高档的皮质包，而是一个廉价的塑料袋，里面装着她所需的书籍和文具。 “哎，我们教授又拿塑料袋当包了！”一名学生若有所思地说。大家都感到非常惊讶，因为他们从未见过有教授这样的穿着和举止。在他们的印象中，博士教授应该是严肃、庄重，且注重形象的。但眼前这位教授，仿佛是一个游离于世俗之外，与物欲无争的禅师，她的简朴让新生们感到既陌生又新奇。这位女教授不仅用塑料袋装着书籍，她的水壶也十分简单，仅仅是一个普通的罐头瓶。在她...

导言 对于几乎所有机器学习算法，无论是有监督学习、无监督学习，还是强化学习，最后一般都归结为求解最优化问题。因此，最优化方法在机器学习算法的推导与实现中占据中心地位。在这篇文章中，小编将对机器学习中所使用的优化算法做一个全面的总结，并理清它们直接的脉络关系，帮你从全局的高度来理解这一部分知识。 机器学习要求解的数学模型 几乎所有的机器学习算法最后都归结为求一个目标函数的极值，即最优化问题，例如对于有监督学习，我们要找到一个最佳的映射函数f(x)，使得对训练样本的损失函数最小化（最小化经验风险或结构风险）： 在这里，N为训练样本数，L是对单个样本的损失函数，w是要求解的模型参数，是映射函...

编辑：深度学习与计算机视觉 没错，一块GPU都没有，今年突然新研一的学生都要搞深度学习了，老师还催着有想法实现一下，硬件都没有如何实现呢 作者：张航 这个问题，5年前我也想问。 还记得CVPR2017开完会回来，感觉大家都在讨论deeplearning，convolutionalneuralnetwork，当时觉得应该试试。我就用网上开源的LetNet在笔记本上训练了一下我们当时自己采集的数据集，结果完爆我们费尽心思手动设计的传统方法。我当时就鼓动我老板，让她给实验室买个带GPU的机器。结果她语重心长地说:"你看实验室这些旧电脑，我之前给每一个PhD学生都配一台电脑，结果没过...