TorchVision Faster R-CNN 微调，实战 Kaggle 小麦检测
本文将利用TorchVisionFasterRCNN预训练模型，于Kaggle:全球小麦检测(https://www.kaggle.com/c/globalwheatdetection)🌾上实践迁移学习中的一种常用技术：微调（finetuning）。本文相关的KaggleNotebooks可见：TorchVis
超详细图解！【MySQL进阶篇】存储过程,视图,索引,函数,触发器
@1.1下载Linux安装包下载地址：1.2安装MySQLcAPACHE1).卸载centos中预安装的mysqlrpmqa|grepimysqlrpmemysqllibs5.1.711.el6.x8664nodeps2).上传mysql的安装包altpputE:/test/MySQL5.6.221
OpenCascade编译
OpenCASCADE的编译 The Installation and Compilation of OpenCASCADEeryar@163.com(https://www.oschina.net/action/GoT
Android里的Dalvik、ART、JIT、AOT有什么关系？
JIT，Justintime，即时编译，边运行边编译；AOT，AheadOfTime，提前编译，指运行前编译。区别 这两种编译方式的主要区别在于是否在“运行时”进行编译优劣JIT优点： 可以根据当前硬件情况实时编译生成最优机器指令（ps.AOT也可以做到，在用户使用时使用字节码根据机器情况在做一次编译） 可
LayoutLM——文本与布局的预训练用于文档图像理解
摘要：预训练技术近年来在多种NPL任务中取得了广泛的成功。尽管广泛的NPL应用的预训练模型，其大多聚焦于文本级别的操作，而忽略了布局与风格信息，这对文档图像的理解至关重要。该篇论文提出了LayoutLM来联合建模扫描文档图像的文本与布局信息关系，这将有益于真实世界中大量的图像理解任务，如文档图像的信息提取。此外，可以利用图像特征合并文字的视觉信息到
Java使用xsd校验xml
最近项目需要使用xsd对xml进行预校验，于是封装了一个工具类，来完成校验工作。完整代码如下：importjava.io.File;importjava.io.IOException;importjava.io.StringReader;importjava.util.ArrayList;im
ERNIE：知识图谱结合BERT才是「有文化」的语言模型
自然语言表征模型最近受到非常多的关注，很多研究者将其视为NLP最重要的研究方向之一。例如在大规模语料库上预训练的BERT，它可以从纯文本中很好地捕捉丰富的语义模式，经过微调后可以持续改善不同NLP任务的性能。因此，我们获取BERT隐藏层表征后，可用于提升自己任务的性能。但是，已有的预训练语言模型很少考虑知识信息，具体而言即知识图谱(ht
CentOS 手工编译、手动编译安装 MongoDB
下载所需软件（下载到/usr/local/src目录）wgethttp://downloads.mongodb.org/src/mongodbsrcr1.8.1.tar.gzwgethttp://ftp.mozilla.org/pub/mozilla.org/js/js1.7.0.tar.gzwgethttp
JVM即时编译器
1.为何HotSpot虚拟机要使用解释器与编译器并存的架构？2.为何HotSpot虚拟机要实现两个不同的即时编译器？3.程序何时使用解释器执行？何时使用编译器执行？4.哪些程序代码会被编译为本地代码？如何编译为本地代码？5.如何从外部观察即时编译器的编译过程和编译结果？解释器与编译器两者各有优势：当_程序需要迅速启动和执行