layer

文章目录 0. 引言 1. SCIREX: A Challenge Dataset for Document-Level Information Extraction(ACL2020) 1.1 摘要 1.2 动机 1.3 贡献 1.4 数据集 1.4.1 问题定式 1.4.2 数据集描述 1.5 模型 1.6 实验 2. Reasoning with Latent Structure Refinement for Document-Level Relation Extraction(ACL 2020) 2.1 摘要 2.2 动机 2.3 贡献 2.4 方法论 2.4.1 Node Constructor 2.4.2 Dynamic Reasoner 2.4.3 Classifier 2.5 实验结果 3. Inter-sentence Relation Extraction with Document-level Graph Convolutional Neural Network（ACL2019） 3.1 摘要 3.2 动机 3.3 贡献 3.4 模型 3.4.1 Input Layer 3.4.2 Graph Construction 3.4.3 GCNN Layer 3.4.4 MIL-based Relation Classification 3.5 实验结果 4.

方案一： 在layer弹出层中调用父界面重新加载函数 ? 1 2 3 window.parent.location.reload(); varindex = parent.layer.getFrameIndex(window.name); parent.layer.close(index); 方案二： 调用layer插件的end回调方法： end - 层销毁后触发的回调 类型：Function，默认：null 无论是确认还是取消，只要层被销毁了，end都会执行，不携带任何参数。 父窗口打开layer弹出框时，添加end回调 ? 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 functionopenLayer() { //iframe层 parent.layer.open({ type: 2, title:'修改', shadeClose:false,//点击遮罩关闭 shade: 0.8, area: ['30%','45%'], maxmin:true, closeBtn: 1, content: [url,'yes'],//iframe的url，yes是否有滚动条 end:function() { location.reload(); } }); layer弹出框处理完成之后，就不需要调用其他刷新操作函数了，直接关闭就行了 ? 1 2 varindex

出现问题的原因：button中没有添加 type ="button" 属性，添加上即可。 form.on('submit(saveFormFilter)', function (data) { layer.confirm('确认要提交申请单吗？', function (index) { console.log(data); }); }); 来源： oschina 链接： https://my.oschina.net/zhenggao/blog/4863557

博客： blog.shinelee.me | 博客园 | CSDN 卷积运算与相关运算 在计算机视觉领域，卷积核、滤波器通常为较小尺寸的矩阵，比如$3\times3$、$5\times5$等，数字图像是相对较大尺寸的2维（多维）矩阵（张量），图像卷积运算与相关运算的关系如下图所示（图片来自 链接 ），其中$F$为滤波器，$X$为图像，$O$为结果。 相关是将滤波器在图像上滑动，对应位置相乘求和；卷积则先将滤波器旋转180度（行列均对称翻转），然后使用旋转后的滤波器进行相关运算。两者在计算方式上可以等价，有时为了简化，虽然名义上说是“卷积”，但实际实现时是相关。 在二维图像上，使用Sobel Gx滤波器进行卷积如下图所示（图片来自 链接 ）， 当输入为多维图像（或者多通道特征图）时，多通道卷积如下图所示（图片来自 链接 ），图中输入图像尺寸为$6\times6$，通道数为3，卷积核有2个，每个尺寸为$3\times3$，通道数为3（与输入图像通道数一致），卷积时，仍是以滑动窗口的形式，从左至右，从上至下，3个通道的对应位置相乘求和，输出结果为2张$4\times4$的特征图。一般地，当输入为$m\times n \times c$时，每个卷积核为$k\times k \times c$，即每个卷积核的通道数应与输入的通道数相同（因为多通道需同时卷积），输出的特征图数量与卷积核数量一致

参考： https://github.com/PlumedSerpent/FcaNet/blob/main/models/fca_layer.py import torch,math def get_1d_dct(i, freq, L): result = math.cos(math.pi * freq * (i + 0.5) / L) / math.sqrt(L) if freq == 0: return result else: return result * math.sqrt(2) def get_dct_weights( width, height, channel, fidx_u= [0,1,0,5,2,0,2,0,0,6,0,4,6,3,2,5], fidx_v= [0,0,6,0,0,1,1,4,5,1,3,0,0,0,2,3]): # width : width of input # height : height of input # channel : channel of input # fidx_u : horizontal indices of selected fequency # according to the paper, should be [0,0,6,0,0,1,1,4,5,1,3,0,0,0,2,3] # fidx_v :

最近将huggingface的transformers(v4.0.1)库中的GPT2模型源码详细学习了一遍，因此将学习过程中，对于GPT2模型源码的一些学习笔记记录在此篇博客之中，以供之后参考。 GPT2模型是OpenAI组织在2018年于GPT模型的基础上发布的新预训练模型，其论文原文为 language_models_are_unsupervised_multitask_learners GPT2模型的预训练语料库为超过40G的近8000万的网页文本数据，GPT2的预训练语料库相较于GPT而言增大了将近10倍。 一、GPT2与GPT的模型结构区别 从上方的GPT2与GPT的模型结构对比图中可以看出，GPT2的模型结构(右)较GPT的模型结构(左)有所改动。在GPT2中的一个Transformer Block层中，第一个LayerNormalization模块被移到了Msaked-Multi-Self-Attention模块之前, 第二个LayerNormalization模块也被移到了Feed-Forward模块之前； 同时Residual-connection的位置也调整到了Msaked-Multi-Self-Attention模块与Feed-Forward模块之后。 接下来，将从transformers库中的GPT2模型源码层面深入理解GPT2模型的结构。 二

HNSW算法----Hierarchcal Navigable Small World graphs，第一贡献者：Y.Malkov(俄) 一.背景介绍 在浩渺的数据长河中做高效率相似性查找一直以来都是让人头疼的问题。比如，我在搜狗app上阅读了一篇文章，推荐系统就应当为我推送与这篇文章最相近的文章，数据库中所有文章是用向量表示的，所以我们要解决的问题就是“找到与这篇文章的向量最相近的几个向量”，然后把这些向量对应的文章推送出去。数据库中的文章千千万，所有用户每秒的请求也是千千万，我们需要又快又准又相对节约资源的办法来解决这个问题。 解决这个问题的方法有很多，PQ，Annoy，HNSW等等。篇幅有限，这篇文章只介绍HNSW算法。 二.朴素想法 朴素想法图 请大家把目光投向上面这张图。假设我们现在有13个2维数据向量，我们把这些向量放在了一个平面直角坐标系内，隐去坐标系刻度，它们的位置关系如上图所示。 朴素查找法：不少人脑子里都冒出过这样的朴素想法，把某些点和点之间连上线，构成一个查找图，存下来备用；当我想查找与粉色点最近的一点时，我从任意一个黑色点出发，计算它和粉色点的距离，与这个任意黑色点有连接关系的点我们称之为“友点”（直译），然后我要计算这个黑色点的所有“友点”与粉色点的距离，从所有“友点”中选出与粉色点最近的一个点，把这个点作为下一个进入点，继续按照上面的步骤查找下去

背景 我们都知道，在微服务架构风格里，一个应用会被拆分成多个小的服务系统，并且这些小系统都可以自成体系，可以拥有自己的数据库、框架语言等。它们通常都可以提供接口来被各种应用程序调用。 但是在UI上进行展示的时候，我们通常需要在一个界面上展示很多数据，这些数据可能来自于不同的微服务中。 打个比方：要查看一个电商平台的商品详情页，这个商品详情页包括标题、价格、库存、评价等等，这些数据可能在不同的微服务系统之中，如下所示： • 产品 - 负责提供商品的标题，描述，规格等。 • 价格 - 负责对产品进行定价，价格策略计算，促销价等。 • 库存 - 负责产品库存。 • 评价 - 负责用户对商品的评论，回复等。 现在，商品详情页需要从这些微服务中拉取相应的信息，问题来了？ 由于用的是多个服务系统的架构，所以依靠单个数据库的 join 查询结果不可行，那么该怎么访问各个服务呢？ 按照微服务设计的指导原则，我们的微服务可能存在下面的问题： • 服务使用了多种协议，因为不同的协议有不同的应场景用，比如可能同时使用 HTTP, AMQP, gRPC 等。 • 服务的划分可能随着时间而变化。 • 服务的实例或者Host+端口可能会动态的变化。 那么，对于前端的UI需求也可能会有以下几种： • 粗粒度的API，而微服务通常提供的细粒度的API，对于UI来说如果要调用细粒度的api可能需要调用很多次

前言 openlayers4 官网的 api 文档介绍地址 openlayers4 api ，里面详细的介绍 openlayers4 各个类的介绍，还有就是在线例子： openlayers4 官网在线例子 ，这个也是学习 openlayers4 的好素材。 openlayers4 入门开发系列的地图服务基于 Geoserver 发布的，关于 Geoserver 方面操作的博客，可以参考以下几篇文章： geoserver 安装部署步骤 geoserver 发布地图服务 WMS geoserver 发布地图服务 WMTS geoserver 集成以及部署 arcgis server 瓦片数据 内容概览 1.基于 openlayers4 实现地图热力图 2.源代码 demo 下载 本篇的重点内容是利用 openlayers4 实现热力图功能，效果图如下： 实现思路 热力图界面设计 // 热力图 "<div style='height:25px;background:#30A4D5;margin-top:2px;width: 98%;margin-left: 3px;'>" + "<span style='margin-left:5px;font-size: 13px;color:white;'>热力图</span>" + "</div>" + '<div id=

前言 openlayers4 官网的 api 文档介绍地址 openlayers4 api ，里面详细的介绍 openlayers4 各个类的介绍，还有就是在线例子： openlayers4 官网在线例子 ，这个也是学习 openlayers4 的好素材。 openlayers4 入门开发系列的地图服务基于 Geoserver 发布的，关于 Geoserver 方面操作的博客，可以参考以下几篇文章： geoserver 安装部署步骤 geoserver 发布地图服务 WMS geoserver 发布地图服务 WMTS geoserver 集成以及部署 arcgis server 瓦片数据 内容概览 1.基于 openlayers4 实现地图切换效果 2.源代码 demo 下载 本篇的重点内容是利用 openlayers4 来加载不同类型地图服务，实现了地图切换功能，效果图如下： 地图切换篇运用到了 openlayers4 的核心类 ol.layer.Tile ol.layer.Tile openlayers4 加载瓦片地图类，关于 Tile 详情看官方的 api 说明，里面具有有哪些函数、属性以及事件等等 ol.source.XYZ ol.source.XYZ openlayers4 的 ol.layer.Tile 加载瓦片 XYZ 目录访问数据源，关于 ol.source.XYZ