MrSecond's Blog

Zero-Shot Learning with Common Sense Knowledge Graphs Title: 《Zero-Shot Learning with Common Sense Knowledge Graphs》 Author: Nihal V. Nayak, Stephen H. Bach DOI：https://doi.org/10.48550/arXiv.2006.10713 URI：https://arxiv.org/abs/2006.10713 Abstract ZSL在进行预测任务时是没有任何带标签的样本的，因此需要依赖于类别的语义表示如手工标注的属性、学习到的一些语义嵌入等。 论文提出了一种学习类别语义表征的方法，即对常识知识图中的节点在向量空间中进行嵌入。 什么是常识知识？它有什么用？ 常识知识是关于日常事务的可靠的实际判断，或者是几乎所有人都共有的感知、理解和判断的基本能力。通俗一点说常识就是所有人都知道，所有人都知道所有人都知道，所有人都知道所有人都知道所有人都知道，。。。。 人类能够很好地利用常识并且不需要过 ...

pytorch_tricks 目录： 指定GPU编号 查看模型每层输出详情 梯度裁剪 扩展单张图片维度 独热编码 防止验证模型时爆显存 学习率衰减 冻结某些层的参数 对不同层使用不同学习率 模型相关操作 Pytorch内置one hot函数 网络参数初始化 1、指定GPU编号 设置当前使用的GPU设备仅为0号设备，设备名称为 /gpu:0：os.environ["CUDA_VISIBLE_DEVICES"] = "0" 设置当前使用的GPU设备为0,1号两个设备，名称依次为 /gpu:0、/gpu:1： os.environ["CUDA_VISIBLE_DEVICES"] = "0,1" ，根据顺序表示优先使用0号设备,然后使用1号设备。 指定GPU的命令需要放在和神经网络相关的一系列操作的前面。 2、查看模型每层输出详情 Keras有一个简洁的API来查看模型的每一层输出尺寸，这在调试网络时非常有用。现在在PyTorch中也可以实现这个功能。 使用很简单，如下用法： from torchsummary import sum ...