more >>主要内容来源于：论文以及教程（Thomas Simonini Deep Reinforcement Learning Course with Tensorflow， Arthur Juliani Simple Reinforcement Learning with Tensorflow series），OpenAI Spinning Up in Deep RL
Q-Learning Agents
|
Kick Start 2019-Practice Round
字数统计:
1.1k字
|
阅读时长:
3分
more >>Google的Competitions with Google上有三个类型的练习：
- Hash Code: 应该是一个组队编程训练，看起来比较偏工程向，介绍中说可以选择队伍与编程语言来完成一个engineering problem，还问了一句Are u up for the challenge?
Of course I am not.- Code Jam:
编程果酱？？反正就是用多轮的算法问题来进行比赛，最后获胜者还有奖金，又问了一句Do u have what it takes?emmmm..- Kick Start: 今天的重头戏，介绍中说主要是磨炼自己的coding水平，受众是学生
我和新接触编程的人我，也是按轮次进行的，可以只参加一轮也可以全部参加，最后的问题是What are u waiting for? 这看起来就正常多了，不像是向一个算法渣挑衅的言论，给好评。Kick Start的轮次是一个Practice Round和A~H八轮，其中除了Practice Round给了24h解题外，其它的八个轮次都是只给3h解题时间，所以介绍中所说的’可以只参加一轮’，实则是指哪一轮呢？
别问，问就是自闭。
MIXED PRECISION TRAINING
字数统计:
1.8k字
|
阅读时长:
6分
more >>ABSTRACT
增大网络通常会提升准确性，但是也增加了内存和计算量。我们的方法可以使用半精度浮点数训练网络，同时不损失准确性，也不需要修改超参数。这近乎减少了一般的内存，在最新的GPU上还能加速运算。权重，激活和梯度都使用IEEE半精度格式。由于这个格式范围比单精度小，我们提出了三种方法来避免重要信息的损失。首先，建议保留权重的单精度拷贝，每次优化器执行后累积梯度（前向和反向传播时，拷贝归整到单精度）。其次，我们提出了损失放大用于保留小的梯度值。第三，我们使用半精度累积到单精度输出，在存到内存前转为半精度。
Evaluation of a Tree-based Pipeline Optimization Tool for Automating Data Science
字数统计:
1.1k字
|
阅读时长:
3分
more >>ABSTRACT
让机器学习去专家化有很大的需求。我们提出了基于树的管道优化（tree-based pipeline optimization）方法，可以自动化最枯燥的管道设计工作。我们实现了开源的Tree-based
Pipeline Optimization Tool (TPOT)，并在真实的数据集上证明了它的效果。尤其是，我们展示了TPOT设计的机器学习管道可以获得巨大的提升，同时又不需要用户的输入和先验信息。我们通过Pareto优化解决了TPOT使用过于复杂管道的倾向，同时准确率也能保持。
THE CONTEST
字数统计:
868字
|
阅读时长:
3分
more >>题意
三个人，每个人有一些数字，组合起来是$1$~$n$，每个人可以给另一个人一个拥有的数字，问最小操作数，使得第一个人拥有$1$~$i$的数，第二个人拥有$i+1$~$j$的数，第三个人拥有$j+1$~$n$的数，即第一个人为前缀，第二个人为中间部分，第三个人为后缀。
注意：可以有一个或两个人最后不拥有数字。
Yet Another Monster Killing Problem
字数统计:
842字
|
阅读时长:
3分
more >>题意：
有$n$个怪物，每个怪物有攻击力$a_i$点；有$m$个英雄，每个英雄有攻击力$p_i$点，耐力$s_{i}$点。
怪物需要被依次杀死(按输入顺序)。
每一天可以挑选一个英雄去杀怪物，他可以杀死的怪物攻击力小于等于他本身(即$a\leq p$)，每天最多可以杀死$s$个怪物。(每个英雄可以使用任意次)
问最少需要多少天可以杀死所有怪物(不能则输出$-1$)。
tag:
- 手势识别
- 分布式
- Linux
- install
- python
- shadowsocks
- Altium
- Machine Learning & Data
- Intel-Neural-Compute-stick
- NLP
- CVPR
- codeforces
- 自动驾驶
- slam
- 算法
- cs231n
- homework
- AR
- VTON
- 远程炼丹
- dl.ai
- CUDA
- CV
- Object Detection
- flask
- hexo
- blog
- 教程
- Jupyter
- kaggle
- 量化
- 单片机
- typecho
- openvino
- 航拍
- 旅行
- 视频
- LeetCode
- 优化理论
- 生活
- cv
- 强化学习
- 毕设
- Hyperspectral
- AutoML
- GAN
- SNN
- ICLR
- 组合优化
- 面试
- Siggraph
- ros
- ROS
缺失模块。
1、请确保node版本大于6.2
2、在博客根目录（注意不是yilia根目录）执行以下命令：
npm i hexo-generator-json-content --save
3、在根目录_config.yml里添加配置：
jsonContent:
meta: false
pages: false
posts:
title: true
date: true
path: true
text: false
raw: false
content: false
slug: false
updated: false
comments: false
link: false
permalink: false
excerpt: false
categories: false
tags: true
计算机科学先驱阿兰·图灵说，“We can only see a short distance ahead, but we can see plenty there that needs to be done.”<br> 我们只能向前看到一小段未来，但我们可以在那里看到足够多可以做的事。很难说当代一个受过良好教育的人，一个理解银河系、理解宇宙演化史、理解现代社会法则的人和16世纪一个仍然相信地球是平的的人有什么本质的区别。看起来16世纪的你一定会比21世纪的你更愚蠢，但从未知的方面看，两者其实同等幼稚。今天宏大的宇宙观可能就是另一个版本的平坦地球，如果被25世纪的人观察的话。正因为如此，图灵的话才会有意义。正是因为所有人都没有大自然聪明，才会有文明的发展，才会有人秉持真理去挑战所谓的人类权威；正是因为问题永远都无法完善，才会有生机与希望，才会有足够多的工作可以做。
所以我想实际上图灵是在说，既然都离不开这艘飞船，那就让我们在这里做一些可以做的事吧，或许会有些惊喜也说不定呢。