博士屯TalkShow阅读文献总结
1.研究性论文-整体内容结构1、Abstract - 了解文章整体核心内容2、Introduction - 问题和贡献3、Related work - 小型综述性介绍4、Method - 框架图5、Experiment - 实验类型 2.综述性论文1、分类2、未来方向 3.阅读重点1、文章解决的问题及方法（或者文章提出的问题）2、可能存在的问题和解决方法3、不必过度关注实验结果4、终点关注方法的框架图5、实验用到的方法和实验内容 4、学会利用大模型来进行快速阅读总结 大模型可能会出现一些总结问题，可能有一定误差 善用提示词
与远端服务器进行文件传输同步的方式总结
摘要 1、通过git及google网盘直接down到服务器(不推荐) 2、使用Vscode中SFTP插件与服务器进行文件传输 3、使用文件传输工具进行可视化的文件传输 1、通过git及google网盘直接down到服务器(不推荐) 一般服务器都是linux的系统，自带git，当文件不是很大的时候，可以通过先将项目文件传输到git仓库，再git clone 到服务器上，当然这也是比较愚笨的办法。如果文件较大，可以通过google网盘，先将项目文件上传到google网盘保存，再通过下载命令下载到服务器上即可，以上方法都是实在没办法的时候 ，才采用的方法。 2、使用Vscode中SFTP插件与服务器进行文件传输2.1 先在Vscode插件市场中，下载sftp插件2.2 然后在vscode中打开需要上传的本地文件或者项目2.3 安装完成后，使用快捷键 ctrl + shift + p，选择 sftp:config,然后回车，会在当前目录下自动生成.vscode文件夹，并在.vscode文件夹下生成sftp.json。参数解析：name...
pyenv + poetry 进行多版本python项目管理方案
摘要 1、pyenv 管理不同版本的python 2、poetry根据不同的pyenv创建的python版本进行项目环境.venv的创建 1.使用pyenv管理不同版本的python对于pyenv的安装，pyenv官方github提供详细的教程，本文不再涉及，windows系统需要安装的话，可以使用pyenv-win，在github上也有仓库提供。 1 查看可安装的python版本及已经安装的python版本12pyenv versions # 显示已经安装的所有 Python 版本pyenv install --list # 显示所有可安装的 Python 版本 2.安装卸载python版本12pyenv install <version> # 安装指定版本的 Python，例如 pyenv install 3.10.7pyenv uninstall <version> # 卸载指定版本的 Python 3.设置python版本123pyenv global <vers...
Poetry基本用法教程
1.背景 最近在复现一个项目的时候，发现项目的环境安装是使用Poetry，一脸懵逼，不知道Poetry是什么东西，以前也从来没有接触过。于是开始学习Poetry，一番了解下来，决定专门学习掌握一下Poetry这个包依赖管理工具。 1.1 Poetry是什么？Poetry官网如此写到：1Poetry is a tool for dependency management and packaging in Python. It allows you to declare the libraries your project depends on and it will manage (install/update) them for you. Poetry offers a lockfile to ensure repeatable installs, and can build your project for distribution.简而言之，就是一个python依赖管理工具，具有虚拟环境管理、Package...
损失函数中的温度参数τ
在对比学习的损失函数（如InfoNCE、NT-Xent等）中，温度参数（Temperature，通常用τ表示） 是一个核心超参数，其核心作用是调节模型对样本间相似度差异的敏感程度，通过缩放相似度分数来控制损失函数中正负例的区分强度。 1. 温度参数的数学位置以最常用的InfoNCE损失为例，其公式可简化为： \mathcal{L} = -\log\left( \frac{\exp(\text{sim}(z_i, z_+)/\tau)}{\sum_{k \in \text{neg} \cup \{+\}} \exp(\text{sim}(z_i, z_k)/\tau)} \right)其中： $zi$ 是锚点样本的特征向量，$z+$ 是正例样本的特征向量，$z_k$ 是负例样本的特征向量； $\text{sim}(\cdot, \cdot)$ 是相似度函数（如内积、余弦相似度)，一般都是余弦相似度； $\tau$ 即为温度参数，位于指数函数的分母，作为softmax的缩放因子。 2. 温度参数的直观含义温度参数的核心作用是调节相似度分布的“尖锐度”，控制模型对正...