1 PARL 1.1 parl是paddle平台下的一款开源强化学习框架，用简单明晰的方式定义了强化学习过程，并且提供了从入门到进阶的全套学习路线，并配有视频教程，可以说是目...
发简信
IP属地：广东
-
DQN学习心得 - 基于paddle的强化学习框架PARL -
赞👍，总结下
逻辑处理器(P) 为这台机器定义的一个虚拟 CPU Core (1个实际cpu core 对应多个虚拟cpu core)
系统线程(M): 每一个 P会被分配一个系统线程(M), M会被操作系统调度，操作系统仍然负责将线程(M)放到一个CPU Core上去执行
goroutine(G) 每一个Go程序也被赋予了一个初始的goroutine(G),一个 Goroutine本质上就是一个协程,
Goroutine 不断的在 M 上做上下文切换
难题就是运行队列。在Go调度器中有2个不同的执行队列：全局队列（Global Run Queue,简称GRQ和本地队列（Local Run Queue，简称 LRQ），每个P都有一个本地队列。GRQ 是用来保存还没有被分配到 P 的 Goroutine（会有一个逻辑将 Goroutine 从 GRQ 上移动到 LRQ 上）
系统调度器的行为是抢占式的。本质上就意味着你不能够预测调度器将会做什么。系统内核决定了一切,无法控制内核中的调度逻辑，除非使用互斥锁之类的操作。
Go 调度器是运行在用户态的，在内核之上。当前版本的 Go 调度器实现并不是抢占式的，而是一个协同调度器
Goroutine 有 3 中状态：
阻塞态，有可能是因为要等待系统调用或者互斥调用（atomic 和 mutex 操作）
就绪态，等待系统线程 M 来执行分配给它的指令
运行态， Goroutine 被交给了一个 M 执行
Go 程序触发调度4种事件：
1.使用关键字 go
2.垃圾回收
3.系统调用
4.同步互斥操作，也就是 Lock()，Unlock() 等
异步系统调用:
处理网络请求的。通过使用 network poller 完成网络系统调用，调度器可以避免 Goroutine 在执行系统调用时把 M 阻塞住。这使得 M 可以去运行 P 的 LRQ 中其他的 Goroutine，而不需要再创建一个新的 M。这就减少了 OS 层面上的负载。
同步系统调用
执行系统调用的 Goroutine 会导致 M 阻塞住
调度器有能力认出 G1 导致 M 阻塞了。这时，调度器会将 M 从 P 上分离出去，G1 依旧附在 M 上被一起分离了。然后调度器获取一个 M2 为 P 服务
窃取goroutine
先窃取其他可用的本地队列，窃取一半。
当没有本地队列可用，则窃取全局队列 -
百度飞桨深度学习集训营学习心得1 关于训练营 训练营是我偶然从AI studio官网中发现的，本意是想多认识几个人于是加了群，参加了这门课程，结果并不如所料，朋友没有认识到几个，收获却颇丰。这门课程体系很...
-
我想请教一下，对于句子长度分布很不平衡的情况，比如从30-300，如果做padding，会产生大量的'O'标记，再做CRF会造成类别不平衡，如果用softmax做，结果没法看了，这种问题有什么思路解决吗？
（四）序列标注——实体识别Lattice-LSTM（中）
[if !vml] [endif] 上篇文章简单总结下经典的序列lstm-crf模型，接下来follow两篇2018最新的有关的文章。 1.NCRF++: An Open-s...
-
2020新年新计划
2019年有收获也有遗憾：在19年认识了很多一起阅读论文共同进步的伙伴，大家一起阅读，才让我不管多忙都抽出空来读论文；通过工作认识了很多优秀的学长学姐，从他们身上学到很多受益...
-
这个损失函数有意思，mark一下，明天看看
关系分类泛读系列（三）—— Relation Classification via Multi-Level Attention CNNs论文笔记
一、写在前面的话 这篇论文发表于ACL2016，在SemEval 2010 Task 8 数据集上达到了88%的F1-Score，为目前最高，不过貌似还未有人可以复现。论文使...
-
DataArk以数据为驱动、以开源分享为导向，是致力于数据挖掘、算法创新和实用工具开发的开源组织<br>
-
是单一关系抽取吧
关系分类泛读系列（二）—— Attention-Based Bidirectional Long Short-Term Memory Networks for Relation Classifi...
一、写在前面的话 这篇论文发表于ACL2016，和《Relation Classification via Convolutional Deep Neural Network...
-
跟BERT差不多的思路
【NLP论文笔记】Deep contextualized word representations（ELMO词向量理解）
本文主要用于记录华盛顿大学计算机院发表于2018年的一篇论文。该论文主要提出了ELMO词向量模型。本笔记主要为方便初学者快速入门，以及自我回顾。 论文链接：https://a...
