接口定义：接口其实就是代码的一种规范。JDK8之前接口中只能是抽象方法和常量，没有其他成分了。接口不能实例化，接口中的成员都是public修饰，写不写都是，因为规范的目的是为了公开化。 格式： // 接口用关键字interface来定义 p

包定义：包是用来分门别类的管理各种不同类的，类似于文件夹、建包利于程序的管理和维护。 建包的语法格式：package 公司域名倒写.技术名称。包名建议全部英文小写，且具备意义 建包语句必须在第一行，一般IDEA工具会帮助创建 相同包下

static静态关键字static static是静态的意思，可以修饰成员变量和成员方法 static修饰成员变量之后称为静态成员变量（类变量），修饰方法之后称为静态方法（类方法） static修饰后的成员变量，可以被类的所有对象共享（访问

前言GAN是强大的生成模型，但是以难训练著称。前面一篇文章讲到的 WGAN 提升了 GAN 训练的稳定性，但有时候还是会产生不好的样本或收敛失败。在原始 WGAN 论文中，作者也提到了，这些问题主要是在判别器中使用 weight cli

前言GAN以难训练而著称，在训练的过程中，模型没有收敛或者模型崩了是很常见的事。GAN通过生成器和判别器之间的对抗作用，使得生成器不断生成和原始数据概率分布相似的数据，从而达到以假乱真的目的。那怎样去学一个概率分布？从数学的角度就是

GAN存在训练困难、训练得到的loss无法表示训练进程等问题。大多数的GAN都是从模型的结构上进行修改，如DCGAN，用卷积神经网络设计生成器和判别器，并进行了一些调整，但这些终究是治标不治本，没有从根本上解决问题。原始GAN是用JS散度来

说到文献管理软件，大家可能会想到EndNote或NoteExpress，这里给大家分享 Zotero，我选择它有以下几点原因： 是个开源的文献管理软件，免费 可以结合浏览器插件进行使用，本地的Zotero文献数据库还可以免费上传到Zote

主要思想：作者将卷积得到的特征图与通过自注意力机制产生的一组特征图连接（concatenate）起来，通过这种自注意力机制来增强卷积算子，从而提升模型性能。 前言卷积神经网络（CNN）在许多计算机视觉应用中都取得了巨大的成功，特别是在图

今天学习一篇ASR-语言识别领域的文章，来自google的： 引言提到端到端自动语音识别（ASR）系统，你可能会想到循环神经网络（RNN），因为RNN可以有效地模拟音频序列中的时间依赖性；你可能也会想到基于self-attention的

作业描述本作业的目标是利用transformer中self-attention部分做一个多元分类，即从给定的语音中预测说话者的类别。利用的数据是从Voxceleb1中挑选的一部分，数据如下： 训练数据：69438条处理过的带标签音频特征