跑模型时间！ 来自HuggingFace 🤗 强化学习课程 我们将训练我们智能体（月球着陆器）正确登陆月球。为此，智能体需要学习调整其速度和位置（水平、垂直和角度）以正确着陆。 每一步： 我们的代理从 环境中接收状态（S0） —— 我们接收游戏的第一帧（环境）。 根据该 状态 (S0)， 代理采取 行动 (A0) —— 我们的代理将向右移动。 环境转换到 新状...

视频课程:https://www.bilibili.com/video/BV1a44y1H7Jc 视频课程补充篇:https://www.bilibili.com/video/BV1Cr4y1V7mF 代码地址:https://github.com/lansinuote/Huggingface_Toturials 代码地址2（做了一点修改，做完实验的结果）:https...

跑模型时间！ 论文笔记：https://qmmms.github.io/posts/DualVGR-A-Dual-Visual-Graph-Reasoning-Unit/ 挑选服务器 在论文中，实验都是在两个NVIDIA RTX 2080Ti GPU上运行的，在实际训练中，显存至少需要8GB，请注意这个最低限度。 在自己的实验中选用了一块RTX 3080，14 min 可以...

读论文时间！ 是 DualVGR 的改进，大部分与其相同 前置知识：ResNet、ResNeXt、GNN、GCN、GAT、LSTM、BiLSTM、GloVe、知识蒸馏 介绍 视频问答旨在模型需要对视频以及视频对应的问题进行分析与理解后，对该问题的正确答案进行分类，答案的类别即在一个固定数量的答案集中。为了解决该任务，本方法搭建了一个基于知识蒸馏的视频问答模型，一个以包括了视...

知识蒸馏（Knowledge Distillation，KD）是为了解决如何训练一个轻量并且高性能的深度学习模型这个问题出现的。 知识蒸馏通常意义指一种教师-学生式的训练架构，在训练完成大规模复杂的教师模型后，将已训练的教师模型的知识蒸馏出来供相对简单的学生模型学习，而学生模型只需要以轻微的损失计算为代价便可学习到教师模型中丰富的知识。 若是以模型压缩为目的，学生模型往往是一种轻量而高效...

读论文时间！ 官方代码：https://github.com/MM-IR/DualVGR-VideoQA 前置知识：ResNet、ResNeXt、GNN、GCN、GAT、LSTM、BiLSTM、GloVe 介绍 图像问答和视频问答之间存在两个区别： 除了外观信息外，视频问答还需要了解运动信息以回答问题。 视频问答需要在物体上执行时空推理，而图像问答只需要在物体上...

读论文时间！ 图注意力网络：GAT 参考： 前置知识：GNN、GCN https://zhuanlan.zhihu.com/p/660987867 https://zhuanlan.zhihu.com/p/81350196 https://blog.csdn.net/weixin_51426083/article/details/12834...

自然语言处理研究实现人与计算机之间用自然语言进行有效通信的各种理论和方法。自然语言处理技术发展经历了基于规则的方法、基于统计学习的方法和基于深度学习的方法三个阶段。自然语言处理由浅入深的四个层面分别是形式、语义、推理和语用，当前正处于由语义向推理的发展阶段。 词向量学习模型 是一种将自然语言中的字词转换为计算机可以理解的稠密向量的方法，基本思想就是用词来预测词。其中包含两种算法：CB...

读论文时间！ 生成对抗网络：GAN 参考： https://blog.csdn.net/qq_15719613/article/details/134029786 GAN论文逐段精读 相关工作 生成对抗网络相比于之前一些生成式的模型，之前的一些生成式模型是要学习数据到底是什么样的一个分布，然而生成对抗网络只需要生成的东西和原来的看上去像就行，而...

读论文时间！ 词嵌入模型：GloVe 参考： https://blog.csdn.net/qq_44579321/article/details/128120877 https://blog.csdn.net/qq_22795223/article/details/105737651 介绍 glove是斯坦福大学的一个开源项目，于 2014 年...