搜索结果
查询Tags标签： Sparse，共有 14条记录-
paddle 动态图自定义 layer
class DNN(paddle.nn.Layer):#DNN层，负责抽取high-order特征def __init__(self, sparse_feature_number, sparse_feature_dim,dense_feature_dim, num_field, layer_sizes):super(DNN, self).__init__()self.sparse_feature_number = sparse_feature_numberself.sparse_f…
2022/4/26 23:13:43 人评论 次浏览 -
ST表（Sparse Table）
文章目录 一、介绍1.作用——可重复贡献问题2.ST表的优劣 二、实现（基于RMQ）1.预处理2.查询3.对数优化4.模板代码一、介绍 1.作用——可重复贡献问题 对于操作optoptopt，满足∀l≤k≤r,opt[l,r]=opt(opt[l,k],opt[k,r])\forall l \leq k \leq r,opt[l,r]=opt( opt[l,k]…
2022/2/2 23:17:39 人评论 次浏览 -
（四）Linux内存模型之Sparse Memory Model
1. 介绍 顺着之前的分析，我们来到了bootmem_init()函数了，本以为一篇文章能搞定，大概扫了一遍代码之后，我默默的把它拆成了两部分。bootmem_init()函数代码如下： void __init bootmem_init(void) {unsigned long min, max;min = PFN_UP(memblock_start_of_DRAM());ma…
2022/1/12 7:06:56 人评论 次浏览 -
（四）Linux内存模型之Sparse Memory Model
1. 介绍 顺着之前的分析，我们来到了bootmem_init()函数了，本以为一篇文章能搞定，大概扫了一遍代码之后，我默默的把它拆成了两部分。bootmem_init()函数代码如下： void __init bootmem_init(void) {unsigned long min, max;min = PFN_UP(memblock_start_of_DRAM());ma…
2022/1/12 7:06:56 人评论 次浏览 -
Attentional Factorization Machine（AFM）复现笔记
声明：本模型复现笔记记录自己学习过程，如果有错误请各位老师批评指正。 之前学习了很多关于特征交叉的模型比如Wide&Deep、Deep&Cross、DeepFM、NFM。 对于特征工程的特征交叉操作，这些模型已经做的非常好了，模型进一步提升的空间已经很小了，所以很多研究者继…
2021/12/30 23:12:20 人评论 次浏览 -
Attentional Factorization Machine（AFM）复现笔记
声明：本模型复现笔记记录自己学习过程，如果有错误请各位老师批评指正。 之前学习了很多关于特征交叉的模型比如Wide&Deep、Deep&Cross、DeepFM、NFM。 对于特征工程的特征交叉操作，这些模型已经做的非常好了，模型进一步提升的空间已经很小了，所以很多研究者继…
2021/12/30 23:12:20 人评论 次浏览 -
Java代码实现稀疏矩阵
/*** @description: 稀疏数组* @author: Leon* @date: 2021/12/2 22:29**/ public class Sparse {public static void main(String[] args) {int[][] array = new int[10][10];array[1][3] = 1;array[2][4] = 2;//打印数组for (int i = 0; i < array.length; i++) {Sys…
2021/12/3 1:06:32 人评论 次浏览 -
Java代码实现稀疏矩阵
/*** @description: 稀疏数组* @author: Leon* @date: 2021/12/2 22:29**/ public class Sparse {public static void main(String[] args) {int[][] array = new int[10][10];array[1][3] = 1;array[2][4] = 2;//打印数组for (int i = 0; i < array.length; i++) {Sys…
2021/12/3 1:06:32 人评论 次浏览 -
windows安装CPU版本 torch_geometric教程
由于最近需要搞图神经网络（GNN），因此需要安装 torch_genmetric：Graph Neural Network Library for PyTorch，torch_genmetric 封装了图神经网络常用的算法，例如 GCN（图卷积网络）、GAT（图注意力网络）等等，因此安装其是十分必要的。 本人环境配置：系统：windows1…
2021/10/2 7:10:49 人评论 次浏览 -
windows安装CPU版本 torch_geometric教程
由于最近需要搞图神经网络（GNN），因此需要安装 torch_genmetric：Graph Neural Network Library for PyTorch，torch_genmetric 封装了图神经网络常用的算法，例如 GCN（图卷积网络）、GAT（图注意力网络）等等，因此安装其是十分必要的。 本人环境配置：系统：windows1…
2021/10/2 7:10:49 人评论 次浏览 -
csr sparse matrix行标准化
python测试代码 from scipy.sparse import csr_matrix import numpy as np from sklearn.utils.sparsefuncs_fast import inplace_csr_row_normalize_l2 # 这里这个函数直接对 sparse matrix进行行标准化，以L2的形式的标准化 indptr = np.array([0,2,3,6]) indices = np.…
2021/9/26 23:15:10 人评论 次浏览 -
csr sparse matrix行标准化
python测试代码 from scipy.sparse import csr_matrix import numpy as np from sklearn.utils.sparsefuncs_fast import inplace_csr_row_normalize_l2 # 这里这个函数直接对 sparse matrix进行行标准化，以L2的形式的标准化 indptr = np.array([0,2,3,6]) indices = np.…
2021/9/26 23:15:10 人评论 次浏览 -
ST表(Sparse-Table 算法)
引入 (RMQ问题) RMQ (Range Minimum/Maximum Query):询问区间内的最小/最大值 具体要求: 出一个 \(n\) 个元素的数组 \(A1 ,A2 , …, An\), 设计一个数据结构, 支持查询操作 \(query(L, R)\), 计算 \(min(A_L, A_{L+1}, ..., A_R)\), \(max(A_L, A_{L+1}, …, A_R)\) ST表…
2021/6/26 22:27:19 人评论 次浏览 -
ST算法（Sparse Table，稀疏表）
【ST算法描述】 信息学竞赛中，经常会出现RMQ问题，即求区间最大（小）值问题。那么，我们该如何求解呢？ST算法横空出世。 ST算法（Sparse Table，稀疏表）主要用于解决区间最值问题（即RMQ问题）。因为ST算法求解RMQ问题时的时间复杂度只有O(nlogn)，查询时间复杂度为常…
2021/5/17 20:55:54 人评论 次浏览
