版权声明：原创作品，允许转载，转载时请务必以超链接形式标明文章原始出版、作者信息和本声明。否则将追究法律责任。 http://blog.csdn.net/topmvp - topmvp Many of the examples are in the realm of the obvious, but not always clearly implemented. For example,

引言 今天带来一篇短小精悍的论文GLU Variants Improve Transformer笔记，作者提出了GLU1的一种变体。 GLU(Gated Linear Units,门控线性单元)由两个线性投影的逐元素乘积组成，其中一个首先经过sigmoid函数。GLU的变体是可能生效的，可以使用不同的非线性(甚至线性)函数来替代sigmoid。作者在Transformer序列到序列模型的前馈子

【mT5中的激活函数】GLU Variants Improve Transformer 论文信息 阅读评价 Abstract Introduction Gated Linear Units (GLU) and Variants Experiments on Text-to-Text Transfer Transformer (T5) Conclusion 论文信息

CVPR2019 很简单的一篇文章，不是在网络结构设计或者loss上做改进， 而是提出一种简单的学习策略。它基于curriculum learning 的思想：如果我们先学习简单的任务， 再学习复杂的任务， 我们会取得更好的效果。 以YOLO为例： 在YOLO的网络中加入这样的辅助激发层(AE）。 它根据ground truth的位置， 在原有特征图上激发对应位置（实质也是attenti

项目地址：https://github.com/geomagical/lama-with-refiner 论文地址：https://arxiv.org/abs/2109.07161 发表时间：2022年6月29日 项目体验地址：https://colab.research.google.com/github/advimman/lama/blob/master/colab/LaMa_inpainti

这两个星期一直在研究如何利用TSung这个压力测试工具测试我的OpenFire的性能指标，其中有个Case需要过万的并发用户数，而一开始我写得TSung.xml脚本，单机并发只有800个，为此不得不研究如何搭建Cluster来进行压力测试，在学习的过程中，突然发现一个可以提高单机并发用户数的方法，所以这里记录下来： 首先我实现了本机无密码SSH登陆（没有这一步是否可行，我还没有测试）：

🚀🚀🚀本文改进：S_improve_Detect 全新的结构头创新，适配各个YOLO 🚀🚀🚀S_improve_Detect 在各个场景都能够有效涨点 🚀🚀🚀YOLOv8改进专栏：http://t.csdnimg.cn/hGhVK 学姐带你学习YOLOv8，从入门到创新，轻轻松松搞定科研；  1. S_improve_Detect介绍  论文：

Leveraging FrameNet to Improve Automatic Event Detection Shulin liu（2016） 思想：本文主要利用框架与事件的定义具有相似结构，即trigger与LU，argument与FE对应，检验事件类型与FN中的框架类型是否能形成映射关系以及根据映射关系利用FN中的句子扩充ACE语料，提升ED性能。 方法：先用ACE语料训练一个三层A

目录  如何提升你的听力技能 三个大问题 1.你有没有 fake listening  2.selective listening  3.critical listening  六个解决方案 1，awareness  请主动打破这个循环 2.在身体和精神上做好倾听的准备 3.set a goal 4.sit front /center listening is a skil