趁着最近FAIR出了MoCov3，刚好凑够MoCo三部曲，从头捋一遍MoCo整个系列做了什么事情，探究MoCo系列为何对Self-Supervised Learning领域所产生的影响如此之大。

我们之前已经学习过了《我们在学习Spark的时候，到底在学习什么？》，这其中有一个关于SQL的重要模块：SparkSQL。

【1】 Spatial-Temporal Transformer for Dynamic Scene Graph Generation标题：用于动态场景图生成的时空转换器

【1】 Embedding Signals on Knowledge Graphs with Unbalanced Diffusion Earth Mover's Distance标题：非平衡扩散推土机距离知识图上的信号嵌入

我们在训练神经网络的时候，超参数batch_size的大小会对模型最终效果产生很大的影响，通常的经验是，batch_size越小效果越差；batch_size越大模型越稳定。理想很丰满，现实很骨感，很多时候不是你想增大batch_size就能增大的，受限...

【1】 Query2Label: A Simple Transformer Way to Multi-Label Classification标题：Query2Label：一种简单的多标签分类转换方法

【1】 Probabilistic Forecast Combination for Anomaly Detection in Building Heat Load Time Series标题：建筑热负荷时间序列异常检测的概率预测组合方法

【1】 Bridging the Gap between Spatial and Spectral Domains: A Theoretical Framework for Graph Neural Networks标题：弥合空间域和谱域之间的鸿沟：一个图神经网络的理论框架

【1】 Inner spike and slab Bayesian nonparametric models标题：内尖峰和板条贝叶斯非参数模型

【1】 On Estimating Rank-One Spiked Tensors in the Presence of Heavy Tailed Errors标题：重尾误差下一阶尖峰张量的估计