这是 Kaggle Playground Series 在24年8月的一场比赛：

赛题：Binary Prediction of Poisonous Mushrooms

比赛的内容较为简单，是有关蘑菇毒性的二元分类问题。比赛的难点在于数据集样本的特征中存在较多缺失值，同时，特征的描述为符号语言，也及到对文本特征进行编码的问题。这场比赛是学习数据预处理的良好契机，推荐 kaggle beginner 积极尝试。

本文是我学习周志华老师编写的机器学习书籍『西瓜书』的第五章：神经网络的过程中做的笔记.

2024.10.14 - 2024.10.20 周总结。

这篇博客的目的是总结与回顾自己一周的学习与生活，希望能够通过这种途径督促和反省自身。

本文是我学习周志华老师编写的机器学习书籍『西瓜书』的第四章：决策树的过程中做的笔记。

本文是我学习周志华老师编写的机器学习书籍『西瓜书』的第三章：线性模型的过程中做的笔记。

2024.10.07 - 2024.10.13 周总结。

这篇博客的目的是总结与回顾自己一周的学习与生活，希望能够通过这种途径督促和反省自身。

文章链接：Vision + X: A Survey on Multimodal Learning in the Light of Data

这篇综述文章综合分析了多模态机器学习的相关技术与不同模态数据的内在性质，并介绍了一些数据模态组合分类的方法。

我在学习 Kuperinfer 深度学习推理框架项目的时候，在项目文件中看到了 CMakeList.txt 文件，由于我此前并没有接触过中大型 C++ 项目，对于 C/C++ 程序编译链接之类的操作了解非常有限，也是第一次见到 CMakeList 这样的文件形式，我认为这是很好的学习机会，故做此记录。

标记一篇非常好的CMake教程，也是这篇博客的主要参考。

CLIP 是 OpenAI 在2021年提出的多模态模型，它可以利用自然语言监督信号学习视觉图像的语义信息，CLIP在大量文本标注数据下进行训练，并在 zero-shot 预测中表现出非常高的性能。我对多模态方向抱有浓厚的兴趣，便决定复现这篇论文。

我将在这篇博客中总结 CLIP 的知识点，同时，我也会把我复现 CLIP 的代码放在这个仓库中。

我在阅读 CLIP 论文的过程中，首次接触到了 k-shot 的概念，比如 CLIP 在 ImageNet 数据集上 zero-shot 预测取得和预训练 ResNet50 基线相持平的成绩。于是上网查阅关于 k-shot learning 的相关知识，并写此文记录。

本文仅讨论 k-shot 学习的定义，而不对具体使用 k-shot 的深度学习方法做讨论展开。