Coefficient

参考博文：http://blog.sina.com.cn/s/blog_5ced60e80102y7pd.html 一颗健壮的IC芯片应该具有能屈能伸的品质，他需要适应于他所在应用范围内变化的温度、电压，他需要承受制造工艺的偏差，这就需要在设计实现过程中考虑这些变化的温度、电压和工艺偏差。 在STA星球，用 library PVT、RC corner跟OCV 来模拟这些不可控的随机因素。在每个工艺结点，通过大量的建模跟实测，针对每个具体的工艺，foundary厂都会提供一张推荐的timingsignoff表格， 建议需要signoff的corner及各个corner需要设置的ocv跟margin。这些corner能保证大部分芯片可以承受温度、电压跟工艺偏差，一个corner=libraryPVT+ RC corner + OCV，本文将关注于library PVT。 ------OCV（on-chip-variation）也是用来模拟cell的PVT及线的RC变化，与前面两个不同的是，前两者是芯片全局的PVT/RC Corner，OCV是芯片上内的局部偏差（包括process 、 voltage、temperature、network RC）。比如在STA分析setup时，并不是用最慢的library PVT来signoff就是最差情况，对于capture

在MPP无共享环境中，查询的总响应时间取决于单个node执行最长的process。如果数据偏斜，则具有更多数据的node将花费更多时间来完成，因此每个node必须具有大约相等的行数并执行大约相同的处理量。如果一个node要处理的数据比其他node多得多，可能会导致性能差和内存不足的情况。 将大表连接在一起时，最佳分配至关重要。要执行联接，匹配的行必须一起位于同一node上。如果数据未分配在同一DSK列上，则表之一中所需的行将动态重新分配给其他node。在某些情况下，将执行广播动作，在该动作中，每个node将其各自的行发送到所有其他node，而不是进行重新分配动作，在该重新分配动作中，每个node都会对数据进行哈希处理，然后根据哈希键将行发送到适当的node。 在GPDB中的所有表都是分布的，这意味着它们的数据被分割到系统的所有节点上。如果数据分布的不平坦，查询的性能可能会受到影响。下面的视图可以帮助诊断一张表是否出现了数据不平坦分布。 gp_skew_coefficients gp_skew_idle_fractions gp_skew_coefficients The gp_toolkit.gp_skew_coefficients view shows data distribution skew by calculating the coefficient of

警告 此文章将耗费你成吨的流量，请wifi下阅读，造成的流量浪费本人不承担任何责任。初版源代码获取（请勿用作他用，仅供学习）：https://gitee.com/kingstacker/iir.git 若有问题可以联系我邮箱：kingstacker_work@163.com 版权所有，转载请注明出处。 感谢 感谢杜勇老师的书籍： 感谢杜勇老师不厌其烦的答复我的邮件垂询。 感谢自己，编代码调试眼睛快瞎了。。。。。 前言 这个课程设计做过一年多了，知识什么的差不多都忘记了，最近去面试直接就问项目，而且问得挺细，一脸懵逼，眼泪掉下来， 简历上写的项目你自己一定要说的明白 。 简历上写的项目你自己一定要说的明白 。 简历上写的项目你自己一定要说的明白 。 所以，又复习了一遍，当然更为娴熟也添加了新的东西。 基础知识： 什么叫滤波器？ 简单的说，就像筛米，留下你需要的米，滤掉不需要的米头。过滤的功能。 什么叫数字滤波器？ 用数字芯片做的滤波器，而不是rc搭的，输入是离散的序列，输出也是离散的序列； 快速了解时域频域： https://zhuanlan.zhihu.com/p/19763358?from=singlemessage&isappinstalled=1 什么叫时域？ 信号随时间的变化。 什么叫频域？ 曾经有个通俗的解释是：弹钢琴，琴键1234等表示的就是频域，产生的各种音乐就是时域

from: https://blog.csdn.net/danmeng8068/article/details/80143306 SSE(和方差、误差平方和)：The sum of squares due to error MSE(均方差、方差)：Mean squared error RMSE(均方根、标准差)：Root mean squared error R-square(确定系数)：Coefficient of determination Adjusted R-square：Degree-of-freedom adjusted coefficient of determination 下面我对以上几个名词进行详细的解释下，相信能给大家带来一定的帮助！！ 一、SSE(和方差) 该统计参数计算的是拟合数据和原始数据对应点的误差的平方和，计算公式如下 SSE越接近于0，说明模型选择和拟合更好，数据预测也越成功。接下来的MSE和RMSE因为和SSE是同出一宗，所以效果一样 二、MSE(均方差) 该统计参数是预测数据和原始数据对应点误差的平方和的均值，也就是SSE/n，和SSE没有太大的区别，计算公式如下 三、RMSE(均方根) 该统计参数，也叫回归系统的拟合标准差，是MSE的平方根，就算公式如下 在这之前，我们所有的误差参数都是基于预测值(y_hat)和原始值(y)之间的误差

警告 此文章将耗费你成吨的流量，请wifi下阅读，造成的流量浪费本人不承担任何责任。初版源代码获取（请勿用作他用，仅供学习）：https://gitee.com/kingstacker/iir.git 若有问题可以联系我邮箱：kingstacker_work@163.com 版权所有，转载请注明出处。 感谢 感谢杜勇老师的书籍： 感谢杜勇老师不厌其烦的答复我的邮件垂询。 感谢自己，编代码调试眼睛快瞎了。。。。。 前言 这个课程设计做过一年多了，知识什么的差不多都忘记了，最近去面试直接就问项目，而且问得挺细，一脸懵逼，眼泪掉下来， 简历上写的项目你自己一定要说的明白 。 简历上写的项目你自己一定要说的明白 。 简历上写的项目你自己一定要说的明白 。 所以，又复习了一遍，当然更为娴熟也添加了新的东西。 基础知识： 什么叫滤波器？ 简单的说，就像筛米，留下你需要的米，滤掉不需要的米头。过滤的功能。 什么叫数字滤波器？ 用数字芯片做的滤波器，而不是rc搭的，输入是离散的序列，输出也是离散的序列； 快速了解时域频域： https://zhuanlan.zhihu.com/p/19763358?from=singlemessage&isappinstalled=1 什么叫时域？ 信号随时间的变化。 什么叫频域？ 曾经有个通俗的解释是：弹钢琴，琴键1234等表示的就是频域，产生的各种音乐就是时域

警告 此文章将耗费你成吨的流量，请wifi下阅读，造成的流量浪费本人不承担任何责任。初版源代码获取（请勿用作他用，仅供学习）：https://gitee.com/kingstacker/iir.git 若有问题可以联系我邮箱：kingstacker_work@163.com 版权所有，转载请注明出处。 感谢 感谢杜勇老师的书籍： 感谢杜勇老师不厌其烦的答复我的邮件垂询。 感谢自己，编代码调试眼睛快瞎了。。。。。 前言 这个课程设计做过一年多了，知识什么的差不多都忘记了，最近去面试直接就问项目，而且问得挺细，一脸懵逼，眼泪掉下来， 简历上写的项目你自己一定要说的明白 。 简历上写的项目你自己一定要说的明白 。 简历上写的项目你自己一定要说的明白 。 所以，又复习了一遍，当然更为娴熟也添加了新的东西。 基础知识： 什么叫滤波器？ 简单的说，就像筛米，留下你需要的米，滤掉不需要的米头。过滤的功能。 什么叫数字滤波器？ 用数字芯片做的滤波器，而不是rc搭的，输入是离散的序列，输出也是离散的序列； 快速了解时域频域： https://zhuanlan.zhihu.com/p/19763358?from=singlemessage&isappinstalled=1 什么叫时域？ 信号随时间的变化。 什么叫频域？ 曾经有个通俗的解释是：弹钢琴，琴键1234等表示的就是频域，产生的各种音乐就是时域

参考博文：http://blog.sina.com.cn/s/blog_5ced60e80102y7pd.html 一颗健壮的IC芯片应该具有能屈能伸的品质，他需要适应于他所在应用范围内变化的温度、电压，他需要承受制造工艺的偏差，这就需要在设计实现过程中考虑这些变化的温度、电压和工艺偏差。 在STA星球，用 library PVT、RC corner跟OCV 来模拟这些不可控的随机因素。在每个工艺结点，通过大量的建模跟实测，针对每个具体的工艺，foundary厂都会提供一张推荐的timingsignoff表格， 建议需要signoff的corner及各个corner需要设置的ocv跟margin。这些corner能保证大部分芯片可以承受温度、电压跟工艺偏差，一个corner=libraryPVT+ RC corner + OCV，本文将关注于library PVT。 ------OCV（on-chip-variation）也是用来模拟cell的PVT及线的RC变化，与前面两个不同的是，前两者是芯片全局的PVT/RC Corner，OCV是芯片上内的局部偏差（包括process 、 voltage、temperature、network RC）。比如在STA分析setup时，并不是用最慢的library PVT来signoff就是最差情况，对于capture

更新中 更新时间： 2019-12-03 18:29:52 写在前面： 本人是喜欢这个方向的学生一枚，写文的目的意在记录自己所学，梳理自己的思路，同时share给在这个方向上一起努力的同学。写得不够专业的地方望批评指正，欢迎感兴趣的同学一起交流进步。 （参考文献在第四部分， 侵删 ） 一、背景 二、基本概念 三、语义相似度计算方法 四、参考文献 一、背景 在很多NLP任务中，都涉及到语义相似度的计算，例如： 在搜索场景下（对话系统、问答系统、推理等），query和Doc的语义相似度； feeds场景下Doc和Doc的语义相似度； 在各种分类任务，翻译场景下，都会涉及到语义相似度语义相似度的计算。 所以在学习的过程中，希望能够更系统的梳理一下这方面的方法。 二、基本概念 1. TF Term frequency即关键词词频，是指一篇文章中关键词出现的频率，比如在一篇M个词的文章中有N个该关键词，则 为该关键词在这篇文章中的词频。 2. IDF Inverse document frequency指逆向文本频率，是用于衡量关键词权重的指数，由公式 计算而得，其中D为文章总数，Dw为关键词出现过的文章数。 3. 向量空间模型 向量空间模型简称 VSM，是 VectorSpace Model 的缩写。在此模型中，文本被看作是由一系列相互独立的词语组成的，若文档 D 中包含词语 t1,t2,

参考博文：http://blog.sina.com.cn/s/blog_5ced60e80102y7pd.html 一颗健壮的IC芯片应该具有能屈能伸的品质，他需要适应于他所在应用范围内变化的温度、电压，他需要承受制造工艺的偏差，这就需要在设计实现过程中考虑这些变化的温度、电压和工艺偏差。 在STA星球，用 library PVT、RC corner跟OCV 来模拟这些不可控的随机因素。在每个工艺结点，通过大量的建模跟实测，针对每个具体的工艺，foundary厂都会提供一张推荐的timingsignoff表格， 建议需要signoff的corner及各个corner需要设置的ocv跟margin。这些corner能保证大部分芯片可以承受温度、电压跟工艺偏差，一个corner=libraryPVT+ RC corner + OCV，本文将关注于library PVT。 ------OCV（on-chip-variation）也是用来模拟cell的PVT及线的RC变化，与前面两个不同的是，前两者是芯片全局的PVT/RC Corner，OCV是芯片上内的局部偏差（包括process 、 voltage、temperature、network RC）。比如在STA分析setup时，并不是用最慢的library PVT来signoff就是最差情况，对于capture

Dice Similarity Coefficent vs. IoU Several readers emailed regarding the segmentation performance of the FCN-8s model I trained in Chapter Four . Specifically, they asked for more detail regarding quantification metrics used to measure the segmentation performance of deep neural networks (DNN). Recall that the Dice similarity coefficient ( a.k.a Dice score) was used to to quantify how closely FCN-8s matched the training dataset’s hand annotated ground truth segmentation. The FCN-8s model using the Adam adaptive optimizer had a Dice score of over 96% when trained on preprocessed CT images. But