个人笔记

1. 要得到你想的某样东西，最可靠的办法是让你自己能配得上它
2. 正确的爱应该以仰慕为基础
3. 获得智慧是一种道德责任，它不仅仅是为了让你们的生活变得更加美好。（必须保持终身学习）学习如何学习的方法，发明如何发明的方法
4. 什么是法律头脑，如果有两件事交织在一起，互相之间有影响，你努力只考虑其中一件，而完全不顾另一件，以这种思考方式既实用又可行的头脑就是法律头脑。 —-反话！！！真正重要的大道理占每个学科95%的分量，从所有学科中吸取自己所需要的95%的知识，并将它们变成思维习惯的一部分，然后去实践跨学科的方法。不要死记硬背，要掌握各种知识，让它们在头脑中形成一个思维框架，以便日后随时调用。
5. 逆向思考，

Read more

中文标题：辛辣食品摄入量与胃肠道癌症风险：基于中国

Read more

随着 AI 模型的能力提升，人类需要一些更有趣的测试集来刁难他们~

GAIA：466个精心设计的问题和答案

SWE-BENCH：2294 个 GitHub 真实问题

项目地址

SWE-bench 是一个在现实软件工程（GitHub）环境中评估 LMs 的基准

• 模型的任务是解决提交到流行 GitHub 项目的问题（通常是错误报告或功能请求）
• 每个任务的解决方案都会生成一个 PR，描述要应用于现有代码库的更改
• 最后，使用当前 GitHub 项目的测试框架评估修改后的代码

SWE-ben

Read more

GAIA 基准测试保留了 300 个问题用来构建 AI 模型的排名

• GAIA 设计的问题对人类来说简直轻而易举，而对大多数 A 来说却很有挑战性
• 即，人类回答准确率为 92%，而用上插件的 GPT-4 回答准确率仅为 15%
• GAIA 设计的问题需要 AI 模型具备推理、多模态处理或工具使用熟练程度等基本能力

GAIA 的设计原则（原始论文）：

1. 概念上简单但多样化（对人类来说比较乏味，考验 AI 的快速适应力）
2. 可解释性；让用户很容易理解模型的推理轨迹
3. 对记忆的鲁棒性；计划并成功地完成一些步骤
4. 易用性；问题的答案是简洁和明确的事实

GAIA 的问题示例：

• 一级问题：最多只需要一

Read more

广告形式

信息流广告：最传统的互联网广告方式，在2006年由Facebook 首先推出

Feeds流广告：原本是信息流广告的英文叫法，后逐步演变为直播间信息流广告

Feedslive：抖音直播间的一种广告形式，实时直播画面或实时画面+卡片

Banner：网页广告形式，通常以图像或多媒体的形式展示在网页上的特定位置

基础平台

DSP（Demand-Side Platform，需求方平台）：为甲方提供的跨媒介跨平台跨终端广告投放平台

DMP（Data Management Platform，数

Read more

1 基本信息

1.1 书籍名称：《深度学习500问》

1.2 撰写作者：众包

1.3 出版日期：在线书籍

1.4 品读时间：2023-11

1.5 整体耗时：约10h

1.6 摘要

本书系统地描述了深度学习的基本理论算法及应用.以问答形式对常用的概率知识、线性代数、机器学习、深度学习、计算机视觉等热点问题进行阐述，以帮助自己及有需

Read more

第十二章 网络搭建及训练

框架对比：Tensorflow VS Pytorch VS Caffe

第十三章 优化算法

没有免费午餐定理(No Free Lunch，简称NFL)：

• 在所有可能的问题上，没有一个算法的平均性能可以超过任何其他算法
• 没有“免费的午餐”，不可能有一个万能的算法可以在所有问题上都表现最好
• 优化算法本质：寻找和探索更符合数据集和问题

Read more

第八章 目标检测

Two Stage 目标检测模型（效果好，但速度相对慢）：

• R-CNN：R-CNN系列的第一代算法，结合了传统的“计算机视觉”知识；将预训练模型（比如CNN）的隐藏层输出作为图像特征，特征输入支持向量机用于预测分类，图像特征+候选边界框输入线性回归模型用于预测真实边界框
• Fast R-CNN：基于R-CNN和SPPnets进行的改进；1. 只对整幅图像进行一次特征提取，避免R-CNN中的冗余特征提取 2. 用RoI pooling（兴趣区域池化）层替换最后一层的max pooling层， 并引

Read more

第四章 经典网络

LeNet-5：用于识别手写数字和机器印刷字符的卷积神经网络

• 使用卷积提取空间特征，使用映射的空间均值进行下采样
• 使用 $tanh$ 或 $sigmoid$ 进行非线性映射（LeNet-5最重要的特性）
• MLP 作为最终的分类器；层间的稀疏连接矩阵以避免巨大的计算开销

AlexNet：首个应用于图像分类的深层卷积神经网络

• 在2012年 ILSVRC 图像分类竞赛中以 15.3% 的top-5测试错误率获胜
• 所有卷积层都使用ReLU作为非线性映射函数，使模型

Read more

（仅对书中部分内容进行摘录和补充）

第一章 数学基础

理解张量（麻辣烫 x，tensor √）

• 标量（scalar）没有方向，也称为0阶张量（Tensors of rank 0）
• 向量每个分量只由一个基向量构成，也称为1阶张量（Tensors of rank 1）
• 考虑固体物体中某点的受力情况，空间表示需要引入1组（3个）基向量来表示一个向量，受力表示也需要引入1组（3个）基向量来表示第二个向量，共3x3个基向量组合
• 如果想要表示所有的平面与平面上的力的组合，需要9个分量，每个分量有2个下标（index）来表示该分量由哪两

Read more