Model模块可以将Layer组合成具有针对特征的训练的推演功能的对象。 1. 简单介绍1.1 输入参数 参数名称 参数说明 inputs 模型的输入，可以是单个的tf.keras.Input也可以是一个由tf.keras.Input组成的List outputs 模型的输出 name 模型的名称，string类型 1.2 使用方法1.2.1 Functional API

MISSMISS是近期华为提出的一个应用在ctr预估任务上的多兴趣自监督学习插件，能简单的插入到现有的NN模型中，并有明显的效果提升（13.55%）。文章见《MISS: Multi-Interest Self-Supervised Learning Framework for Click-Through Rate Prediction》该论文通过$Sample-Level\ Data\ Argum

Linux find命令用来在指定目录下查找文件.任何位于参数之前的字符串会被作为将要查找的目录.通过find命令，我们可以方便的操作Linux下的各种目录和文件信息，是Linux使用者常用的命令之一. find命令使用极为频繁，而且使用方法多种多用，参数繁多，这里根据常用的一些条件列出7种常用的使用方法。 1. 按照名称查找按照名称查找是最常用的方法之一，也是最简单的方法。可以通过文件名或者

git rebase和git merge是在git使用中常见的命令之二，而且这两个命令的功能较为相似，都是将不同的分支进行分支合并。但是在日常使用中，git merge的使用频率要远高于git rebase，究其原因是git rebase的复杂性导致的。这里简单的介绍一下我个人对git merge和git rebase两者之间的区别和使用过程中需要注意的相关事项。 注意，本文中的git状态大

tf.lookup模块就是tf的字典功能，方便在大量备选的元素中根据key进行快速筛选。 1. 主要构成tf.lookup模块包含了5个class和1个Module. Module中包含两个实验性质的class.同样，这几个class可以按照我们的使用习惯，简单的分成3类. 分类 Class 说明 从tensor生成table KeyValueTensorInitializer 根

本文主要针对airflow的一些简单的使用技巧进行归纳总结，方便记录。 1. 复杂Variable的使用Variables是airflow中一个用来存储和重载自定义变量的功能，可以极大的简化针对dag中可能用到的变量信息。最常用的方式就是在Variables中存储某一个值，需要的时候可以通过var = Variable.get("my_var")进行获取。但是当你需要使用到

SENetSENet是在文章《Squeeze-and-Excitation Networks》中提出来的，原本的作用是为了在对图片中不同channel的关系进行建模，从而实现提升神经网络表达的作用。这种过程在文中被称作是特征矫正，即通过学习全局信息，从而有选择的强化有效信息，打压无效信息。 1. SEBlock 结构上图是SEBlock的基本结构，清晰的展示了SEBlock主要由Squeeze和E

常见的git同步问题的收集

经过了上文的介绍之后，我们可以简单的将自己的blog搭建起来。这个时候，blog的主页根据你选择的主题会有一定的不同，但是大多是以文章列表作为主页，如下图：

当你需要经常登陆到远程服务器上进行操作的时候，SSH链接是一个跳不过去的话题。