搜索结果
查询Tags标签： 传播，共有 37条记录-
Neural Graph Collaborative Filtering阅读笔记
动机 本文是2019年SIGIR的一篇文章。在推荐系统中，用户和物品的向量表示(embeddings)是推荐系统的核心，但目前的方法都是根据用户（物品）原有的特征通过映射获取embeddings，并没有将用户与物品交互中的潜在的协同信号编码进embeddings，因此产生的embeddings可能不足以…
2021/12/23 23:15:47 人评论 次浏览 -
[渝粤教育] 西南科技大学 公共关系学 在线考试复习资料(1)
公共关系学——在线考试复习资料 一、单选题 1.内部报刊编辑是属于( )在公共关系中的运用。 A.言语传播 B.文字传播 C.实像传播 D复合式大众传播 2.在公共关系评估的评估人中,( )是从参与者角度来评估的。 A.公关活动的主办者 B.公关活动中的公众 C.公关专家 D.新闻媒体 3…
2021/12/17 23:20:15 人评论 次浏览 -
[渝粤教育] 西南科技大学 公共关系学 在线考试复习资料(1)
公共关系学——在线考试复习资料 一、单选题 1.内部报刊编辑是属于( )在公共关系中的运用。 A.言语传播 B.文字传播 C.实像传播 D复合式大众传播 2.在公共关系评估的评估人中,( )是从参与者角度来评估的。 A.公关活动的主办者 B.公关活动中的公众 C.公关专家 D.新闻媒体 3…
2021/12/17 23:20:15 人评论 次浏览 -
李宏毅2020深度学习02
Brief Introduction of Deep LearningNeural Network 确定参数： 一个神经元中所有的w和b记为参数θ 确定神经元的连接方式： Fully Connect Feedforward Network 用矩阵形式表示： goodness of function 使用梯度下降求解使loss最小的θ，loss为交叉熵 Backpropaga…
2021/12/4 23:47:46 人评论 次浏览 -
李宏毅2020深度学习02
Brief Introduction of Deep LearningNeural Network 确定参数： 一个神经元中所有的w和b记为参数θ 确定神经元的连接方式： Fully Connect Feedforward Network 用矩阵形式表示： goodness of function 使用梯度下降求解使loss最小的θ，loss为交叉熵 Backpropaga…
2021/12/4 23:47:46 人评论 次浏览 -
详解神经网络的前向传播和反向传播（从头推导）
详解神经网络的前向传播和反向传播本篇博客是对Michael Nielsen所著的《Neural Network and Deep Learning》第2章内容的解读，有兴趣的朋友可以直接阅读原文Neural Network and Deep Learning。对神经网络有些了解的人可能都知道，神经网络其实就是一个输入XX到输出YY的映…
2021/11/13 23:41:49 人评论 次浏览 -
详解神经网络的前向传播和反向传播（从头推导）
详解神经网络的前向传播和反向传播本篇博客是对Michael Nielsen所著的《Neural Network and Deep Learning》第2章内容的解读，有兴趣的朋友可以直接阅读原文Neural Network and Deep Learning。对神经网络有些了解的人可能都知道，神经网络其实就是一个输入XX到输出YY的映…
2021/11/13 23:41:49 人评论 次浏览 -
[源码解析] PyTorch 流水线并行实现 (5)--计算依赖
[源码解析] PyTorch 流水线并行实现 (5)--计算依赖 目录[源码解析] PyTorch 流水线并行实现 (5)--计算依赖0x00 摘要0x01 前文回顾0x02 计算依赖0x03 反向传播依赖2.1 解析2.2 基础功能2.2.1 Function2.2.2 Fork2.2.3 Join2.2.4 Phony2.2.5 detach2.3 使用0x03 正向传播依…
2021/10/7 11:11:10 人评论 次浏览 -
[源码解析] PyTorch 流水线并行实现 (5)--计算依赖
[源码解析] PyTorch 流水线并行实现 (5)--计算依赖 目录[源码解析] PyTorch 流水线并行实现 (5)--计算依赖0x00 摘要0x01 前文回顾0x02 计算依赖0x03 反向传播依赖2.1 解析2.2 基础功能2.2.1 Function2.2.2 Fork2.2.3 Join2.2.4 Phony2.2.5 detach2.3 使用0x03 正向传播依…
2021/10/7 11:11:10 人评论 次浏览 -
[源码解析] PyTorch 流水线并行实现 (5)--计算依赖
[源码解析] PyTorch 流水线并行实现 (5)–计算依赖文章目录 [源码解析] PyTorch 流水线并行实现 (5)--计算依赖0x00 摘要0x01 前文回顾0x02 计算依赖0x03 反向传播依赖2.1 解析2.2 基础功能2.2.1 Function2.2.2 Fork2.2.3 Join2.2.4 Phony2.2.5 detach 2.3 使用 0x03 正向…
2021/10/7 11:10:51 人评论 次浏览 -
[源码解析] PyTorch 流水线并行实现 (5)--计算依赖
[源码解析] PyTorch 流水线并行实现 (5)–计算依赖文章目录 [源码解析] PyTorch 流水线并行实现 (5)--计算依赖0x00 摘要0x01 前文回顾0x02 计算依赖0x03 反向传播依赖2.1 解析2.2 基础功能2.2.1 Function2.2.2 Fork2.2.3 Join2.2.4 Phony2.2.5 detach 2.3 使用 0x03 正向…
2021/10/7 11:10:51 人评论 次浏览 -
spring事务的传播行为
通常事务的控制是添加在service层，如果出现了service曾的A方法调用了service层的B方法，且A、B方法都添加了事务控制。那么A方法调用B方法的时候就需要对事务做协商，这就是事务的传播行为。 A调用B，需要站在方法B的角度来思考和定义事务的传播行为。spring中提供了7中事…
2021/9/1 23:09:25 人评论 次浏览 -
spring事务的传播行为
通常事务的控制是添加在service层，如果出现了service曾的A方法调用了service层的B方法，且A、B方法都添加了事务控制。那么A方法调用B方法的时候就需要对事务做协商，这就是事务的传播行为。 A调用B，需要站在方法B的角度来思考和定义事务的传播行为。spring中提供了7中事…
2021/9/1 23:09:25 人评论 次浏览 -
W3C -事件传播
W3C将事件的传播分成了三个阶段 1.捕获阶段： 在捕获阶段，从最外层的祖先元素，向目标元素进行事件的捕获，但是默认不会触发事件。 2.目标阶段： 事件捕获到目标元素，捕获结束开始在目标元素上触发事件。 3.冒泡阶段： 事件从它的目标元素向它的祖先元素传递，依次触发…
2021/8/8 23:39:06 人评论 次浏览 -
W3C -事件传播
W3C将事件的传播分成了三个阶段 1.捕获阶段： 在捕获阶段，从最外层的祖先元素，向目标元素进行事件的捕获，但是默认不会触发事件。 2.目标阶段： 事件捕获到目标元素，捕获结束开始在目标元素上触发事件。 3.冒泡阶段： 事件从它的目标元素向它的祖先元素传递，依次触发…
2021/8/8 23:39:06 人评论 次浏览
