- 综合排序
- 最热优先
- 最新优先
- 来自专栏腾讯大讲堂的专栏
如何提高沟通效率，避免知识的诅咒？
01 知识的诅咒是什么 首先我们来说说什么是知识的诅咒。 这就是“知识的诅咒”。 我们一旦知道某事，就无法想象不知道这事的情况发生的原因；我们的知识“诅咒”了我们。我们很难与他人分享这些知识，因为我们无法轻易摸透听猜者那一方的心理状态。 这就是知识的诅咒。 ? 02 会造成什么后果 一旦我们忽视这种知识的诅咒，那么在日常沟通和交流中，必然会造成一些沟通上的障碍，特别是在工作中，对工作沟通效率有很大影响。 03 如何避免 既然这样，那我们在日常的沟通中，如何避免“知识的诅咒”呢？这里给出一些小tips供参考，也欢迎大家留言自己的方法。 换位思考，多沟通，多磨合，不断改进自己的沟通方式，避免“知识的诅咒”。 希望本文可以帮助到大家，也欢迎大家多多留言交流！
82030发布于 2021-07-29 - 来自专栏不知非攻
大多数前端开发，都被知识诅咒牢牢困住
引用数据类型 7. this 8. React render 机制 9. ts 应用 ... 后来他没再发过弹幕 我给很多面试官做过培训，面试过大量的开发者，给大量的开发者做过面试辅导，简历修改，模拟面试 实际上，觉得自己已经掌握的知识很简单，是程序员的一个常态。 所以，有的人会反向把那些真正的简单的知识，比如前端面试要求达到的算法水平，当成什么高深莫测的东西... 觉得自己进不去大厂团队是算法阻碍了他... 但是面试中，你只能说你掌握的知识呀，还能说出点什么你没掌握的东西不成？ 大多数的前端开发都忘记了自己掌握一个知识点的时候有多不容易，最终把这些掌握的知识归纳到：简单 从而在面试中表现平平... 这就是，知识诅咒 因此我在带学生的过程中，为了避免这样的情况出现，会在他们掌握这个知识之前，做一个非常重要的事情，那就是想办法让他们记住此时此刻的感受，记住那种无所适从，没有方向，不知如何下笔的感受，这是打破知识诅咒的重要手段
27600编辑于 2023-12-12 - 来自专栏小小挖掘机
Batch Normalization的诅咒
对超参数更鲁棒 Batch Normalization的诅咒 好，让我们回到本文的出发点，在许多情况下batch normalization开始伤害性能或根本不起作用。 ResNet-50在Batch Norm使用32、16、8、4、2张/GPU图像时的验证错误 以上是ResNet-50的验证错误图。 —END— 英文原文：https://towardsdatascience.com/curse-of-batch-normalization-8e6dd20bc304
1.1K30发布于 2020-11-09 - 来自专栏深度学习和计算机视觉
Batch Normalization的诅咒
对超参数更鲁棒 Batch Normalization的诅咒 好，让我们回到本文的出发点，在许多情况下batch normalization开始伤害性能或根本不起作用。 ResNet-50在Batch Norm使用32、16、8、4、2张/GPU图像时的验证错误 以上是ResNet-50的验证错误图。 英文原文：https://towardsdatascience.com/curse-of-batch-normalization-8e6dd20bc304
52240编辑于 2022-02-12 - 来自专栏博文视点Broadview
传统企业的“资源诅咒”
经济学上有一个“资源诅咒”理论，意思是：拥有丰富的自然资源可能是经济发展的阻碍，大多数自然资源丰富的国家比那些资源稀缺的国家经济发展得更为缓慢。 排除不相关因素后，最终得出了以下结论：自然资源如果对其他要素产生挤出效应，就会间接地对经济增长产生负面影响，这被称之为“资源诅咒”的传导机制（Transmission Mechanisms）。 资源的诅咒也同样发生在商业社会，拥有独特资源优势的企业往往不能长期保持高速的增长，反而会造成官僚风气严重、组织效率低下、创新力不足等诸多问题。我国大部分资源型国企的现状就是明显的例子。
69710发布于 2020-06-12 - 来自专栏MixLab科技+设计实验室
机器学习的维度诅咒 | MixLab人工智能
---- 维度的诅咒 全都与孤独有关 In a nutshell, the curse of dimensionality is all about loneliness.
94620发布于 2020-11-17 - 来自专栏鸿的学习笔记
分类问题中维度诅咒(上)
导论： 在本文中，我们将讨论所谓的“维度的诅咒”，并解释为什么在设计分类器时很重要。在以下部分中，我将提供对这个概念的直观解释。 考虑一个例子，其中我们有一组图像，每个描绘了一只猫或狗。 这由图1示出，并且通常被称为“维度的诅咒”。 ? Figure 1.随着维数的增加，分类器的性能随之增加，直到达到最佳数量的特征。进一步增加维度而不增加训练样本的数量导致分类器性能的降低。 维度的诅咒和过拟合 在前面介绍的猫和狗的例子中，让我们假设有无限数量的猫和狗住在我们的星球上。然而，由于我们有限的时间和处理能力，我们只能够获得10张猫和狗的图片。 换句话说，通过使用较少的特征，避免了维度的诅咒，使得分类器没有过拟合训练数据。 图8以不同的方式示出了上述内容。假设我们想训练一个分类器，只使用一个单一的特征，其值的范围从0到1。 Figure 8.
1.4K20发布于 2018-08-06 - 来自专栏鸿的学习笔记
分类问题中的维度诅咒（下）
在上面的例子中，我们表明维度的诅咒引入了训练数据的稀疏性。我们使用的特征越多，数据越稀疏，使得对分类器参数（即，其判定边界）的精确估计变得更加困难。 这种令人惊讶且违背直觉的观察部分地解释了与分类中的维度的诅咒相关联的问题：在高维空间中，大多数训练数据驻留在限定特征空间的超立方体的角落中。 这由图11示出，其示出了2D单位正方形，3D单位立方体以及具有2 ^ 8 = 256个角的8D超立方体的创造性可视化： ? Figure 11. 对于8维超立方体，约98％的数据集中在其256个角。结果，当特征空间的维度变为无穷大时，从采样点到质心的最小和最大欧几里德距离的差和最小距离本身的比率趋于为零： (2) ? 结论 在本文中，我们讨论了特征选择，特征提取和交叉验证的重要性，以避免由于维度的诅咒而导致过拟合。
1.6K10发布于 2018-08-06 - 来自专栏程序员笔记
20161116笔记：赢家诅咒，技能迁移
今日所见 不要参与太多人竞争的红海，统计学表明竞拍的赢者很可能才是最大的输家，所谓赢家的诅咒，买空那些竞拍赢者有时候会更有利，其原因是人们很可能会放大自己所拥有的东西，所谓敝帚自珍，这个放大价值的效应甚至会体现在自己尚未获得的东西 ---- 今日思考 那么在遇到竞争激烈的红海的时候，该如何平衡「赢家的诅咒」和「格局的勇气」？ 主观上不恐惧竞争。 客观上不主动参与已经充分竞争的领域。 找到隐藏的价值点，集中优势兵力攻之。
58530发布于 2018-06-14 - 来自专栏新智元
AI初创全新Zep系统，知识图谱破解上下文诅咒
要使智能体的落地场景更加普遍，解决各种各样琐碎或高度复杂的问题，就需要访问大量的动态数据，比如与用户的交互、相关的业务数据以及世界知识。 ，并动态更新知识图，从而表征一个复杂、不断发展的世界。 与其他知识图引擎相比，Graphiti的一个关键不同是具有时间提取和边失效过程，从而具备了管理动态信息更新的能力。 构建知识图谱 Zep的「记忆」由一个具有时间感知能力的动态知识图谱（temporally-aware dynamic knowledge graph）所驱动，可以表示为=(,ℰ,ϕ)，其中为节点，ℰ表示边 整个知识图谱共包含3层子图，从底层到顶层分别为：情节（episode）子图e，语义（semantic）子图s以及社区（community）子图c。
2.2K00编辑于 2025-02-26 - 来自专栏机器学习与统计学
打破机器学习中的小数据集诅咒
根据高中物理知识，我们知道球做一个抛物线运动，我们可以使用图中所示的公式算出距离。 上述公式可被视为任务的模型或表示，公式中涉及的各种术语可被视为重要特征，即v、θ和g（重力加速度）。 图8:根据数据的大小形成不同的树状结构 决策树也是一种非参数模型，它试图最好地拟合数据的底层分布。拆分是对特性值执行的，目的是在子级创建不同的类。
91920发布于 2019-06-28 - 来自专栏mysql
mysql基础知识（8）
查询日志（General Query Log）：记录MySQL服务器接收到的所有客户端连接和SQL查询信息。通常用于分析和审计。
33411编辑于 2025-03-05 - 来自专栏大数据文摘
打破机器学习中的小数据集诅咒
根据高中物理知识，我们知道球做一个抛物线运动，我们可以使用图中所示的公式算出距离。 上述公式可被视为任务的模型或表示，公式中涉及的各种术语可被视为重要特征，即v、θ和g（重力加速度）。 图8:根据数据的大小形成不同的树状结构 决策树也是一种非参数模型，它试图最好地拟合数据的底层分布。拆分是对特性值执行的，目的是在子级创建不同的类。
1.9K30发布于 2019-06-20 k8s 知识总结
，一台命名 k8s-node1设置虚拟机 IP 地址，两台与宿主在同一网段，如192.168.3.80（k8s-master）192.168.3.81（k8s-node1）设置 root 密码安装完成后重启虚拟机虚拟机系统配置 k8s-node1# 转发 IPv4 并让 iptables 看到桥接流cat <<EOF | tee /etc/modules-load.d/k8s.confoverlaybr_netfilterEOFmodprobe k8s-dashboard-account.yamlvi k8s-dashboard-account.yaml# 修改为后面 yaml 内容# 创建账户和绑定角色kubectl apply -f k8s-dashboard-account.yaml 架构原理架构图及解析K8S集群：一组虚拟机或物理机，运行了 K8S 的集群。Master（主节点）：负责集群的管理和调度。Worker（工作节点）：部署用户容器，提供计算资源。 网络模型K8S 的网络原则：提供简单一致的网络视图和使用体验，屏蔽宿主机环境和网络拓扑的复杂度。K8S 的网络特征：每个 Pod 有一个独立 IP。
86610编辑于 2024-01-22- 来自专栏Linux驱动
8.ffmpeg-基础常用知识
1.封装格式 MPEG-4 其中 MPEG-1 和 MPEG-2 是采用相同原理为基础的预测编码、变换编码、 熵编码及运动补偿等第一代数据压缩编码技术； MPEG-4（ISO/IEC 14496）则是基于第二代压缩编码技术制定的国际标准，它以视听媒体对象为基本单元，采用基于内容的压缩编码，实现数字视音频、图形合成应用及交互式多媒体的集成。 MPEG 系列标准对 VCD、 DVD 等视听消费电子及数字电视和高清晰度电视（DTV&&HDTV）、 多媒体通信等信息产业的发展产生了巨大而深远的影响. AVI AVI，音频视频交错(Audio Video Interleaved)的英文缩写。 AVI 格式调用方便、图像质量好，压缩标准可任意选择，是应用最广泛、也是应用时间最长的格式之一。 FLV FLV 是 FLASH VIDEO 的简称， FLV 流媒体格式是一种新的视频格式。由于它形成的文件极小、加载速度极快，使得网络观看视频文件成为可能，它的出现有效地解决了视频文件导入 Flash 后，使导出的 SWF 文件体积庞大，不能在网络上很好的使用等缺点。
78450发布于 2020-09-14 - 来自专栏Rust语言学习交流
【Rust日报】2022-06-02 强类型的诅咒
: https://github.com/rustdesk/rustdesk/discussions/533 文章 | 强类型的诅咒 标题有些耸人听闻，但有诅咒，自然也有解咒的法子，看看 fasterthanlime
62810编辑于 2022-06-10 - 来自专栏Masutaa大师
简单聊聊程序员该掌握的三个软技能-避免心力匮乏、向上管理和知识诅咒
比如一文讲解xx技术，什么问题该如何解决，很少人（并不是没有，少只是相对于讲解那些技术知识的人来说）会注意到软技能的学习。软技能是指个人的性格特质、社交能力、沟通技巧和个人习惯等非技术性的能力。 三、知识的诅咒（Curse of knowledge）知识的诅咒是一种认知偏差，指的是当一个人对某一主题了解太深时，他/她往往会忽略其他人对该主题知之甚少或一无所知。 这种偏差在很多领域都有出现，越是知识壁垒深厚的行业越是明显。IT行业自然不会例外，内行和外行两方的信息差足够大到对牛弹琴。 如何避免知识的诅咒？很简单，尽量用普通名词代替专有名词，用简单、易懂的语言解释复杂概念，同时换位思考，学会倾听他人的观点和需求。
44750编辑于 2023-08-09 - 来自专栏快乐阿超
Java8 Lambda Stream知识分享
Java8的一个大亮点是引入Lambda表达式，使用它设计的代码会更加简洁。当开发者在编写Lambda表达式时，也会随之被编译成一个函数式接口。 // 俩参数和返回值类型保持一致 return (a, o) -> a; }}接下来讲一个实际应用，使用lambda实现java判断版本执行不同的代码，例如java8执行逻辑 JreEnum, Runnable> jdkVersionStragyMap = new HashMap<>(); jdkVersionStragyMap.put(JreEnum.JAVA_8, )); execute(jdkVersionStragyMap);上述使用的JreEnum在http://stream-query.dromara.org/ 中存在StreamJava 8 https://docs.oracle.com/javase/8/docs/api/java/util/stream/package-summary.html // 声明式编程是告诉计算机需要计算
911340编辑于 2023-10-11 - 来自专栏量子位
打破“维度的诅咒”，机器学习降维大法好
维度的诅咒 ? 机器学习模型可以将特征映射到结果。 很多特征造成的问题通常被称为 “维度的诅咒”，而且它们并不限于表格数据。 考虑一个对图像进行分类的机器学习模型。
67540发布于 2021-06-17 - 来自专栏编程
Python模块知识8：configparser、压缩模块
importconfigparser#导入模块 config=configparser.ConfigParser()#必须的装载语句 config.read('black.txt',encoding='utf-8' importconfigparser#导入模块 config=configparser.ConfigParser()#必须的装载语句 config.read('black.txt',encoding='utf-8' importconfigparser#导入模块 config=configparser.ConfigParser()#必须的装载语句 config.read('black.txt',encoding='utf-8'
1.1K60发布于 2018-01-11
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号