automl平台思考（未完待续）

最近有些忙，虽然没啥人看，但是还是立个flag：五一放假前把上周版本和1.01版本的界面模块逻辑对比写完

左侧菜单栏改版

平台的左侧菜单栏终于要改版了，真的不知道跟产品同学吐槽了多少次旧的菜单逻辑混乱。这次改版也跟他们提了很多建议，而且好像也采纳了不少，虽然不是完全跟我的构思一样，但是思路没有很大的区别。

automl平台思考（未完待续）

最近有些忙，虽然没啥人看，但是还是立个flag：五一放假前把上周版本和1.01版本的界面模块逻辑对比写完

左侧菜单栏改版

平台的左侧菜单栏终于要改版了，真的不知道跟产品同学吐槽了多少次旧的菜单逻辑混乱。这次改版也跟他们提了很多建议，而且好像也采纳了不少，虽然不是完全跟我的构思一样，但是思路没有很大的区别。

云笔记体验

最近需要一个云笔记产品来同步我记录的一些文档，顺便慢慢整理一下对于云笔记产品的个人体验。选择了语雀，有道云笔记和为知笔记作为候选。

我的需求：

• 全平台同步
• 支持markdown
• 支持latex
• 多级文件夹管理
• 标签管理

自动炼丹也能又快又好？解读来自华为的连续进化搜索算法CARS

前言

华为诺亚方舟实验室发布了一篇论文《CARS: Continuous Evolution for Efficient Neural Architecture Search》被 CVPR 2020收录。论文中提出了一种连续进化网络结构搜索算法(continuous evolution architecture search，CARS)，可以利用上一轮进化的参数或者结构来构造超网来实现参数共享，再从超网中生成子网，并对其进行排序，从而选择优异的网络。这种算法整体耗时仅仅需要0.4 GPU day，优化了进化算法在神经网络结构搜索时候选网络训练时间过长的问题。

str.lstrip([chars])

参数:

• chars 字符用来选择被删除的元素,默认为空格

返回值:

• 删除前面元素后的新字符串

强化学习

简介

强化学习是机器学习的一个分支，由如下几个元素组成：

• 状态(State):也就是所处的环境
• 动作(Action): 在每个状态下，有哪些可采取的动作
• 奖励(Reward): 在采取动作后进入新的状态后，获得的价值，可能为正或者负
• 策略(Policy): 在某个状态下，要如何采取行动

当然我们还可以增加agent和environment来统一整个模型:

Focal Loss

Focal loss 被设计用来解决正负样本极度不平衡的情况。例如训练时前景和背景的比例为1:1000

Focal loss从交叉熵损失函数变化而来，先复习一下交叉熵损失函数：