dfhg54的博客

print("标题为： ",title.find("h1", attrs={"class": "f20", "style": "margin:0;用的笨办法，在得到标题和内容后，打开TXT目标文件，写入字符串，然后自己关闭。因为网页中的原始文本是在页面中间的，所以这里用lstrip()函数只去除每行文本左边的空格，strip()会去除两边，使文本都黏在一起。

运行 python flat_main.py --dataset clue1.根据已有代码，添加了2.gbk问题就写encoding=‘utf-8’3.invalid argument:因为cacahe文件夹里要读取的一个文件名里有冒号，所以在flat_main.py下这里把文件命名改了，冒号全去掉4.若出现enconding type的错误，注意看自己用的什么数据集，比如clue，就改成bio。5.flat_main.py 因为默认设置就是ues bert == 1,所以这里把。

lattice model(结合上面两个博客来看)与原版lstm作对比，理解网络的记忆这个概念。

环境先选miniconda ,然后自己在终端中创建环境，配置环境。配置好环境后在终端进入文件，然后python xxx.py，运行。传入文件夹选ssh方式，具体帮助文档上有。

【python】——Python中的*和**的作用和含义_Kadima°的博客-CSDN博客_python * **理解‘*‘,‘*args‘,‘**‘,‘**kwargs‘_callinglove的博客-CSDN博客#定义下游模型self.tuneing = False #fineturn预设为0self.pretrained = None #默认情况下，预训练模型不属于下游任务的一部分#下游任务if self.tuneing: #如果tuning,则认为自己的预训练模型也要训练。

数据集这几个博客中的行，列可根据自己的排列形式自由理解。

图像的shape计算（即其中的16*4*4），最好就是再中间用print打印出来。前向传播时随机去掉一些神经元的结果，相当于多个模型训练，接触过拟合问题。因为数据集图片的大小，形状都不一样，所以需要在数据预处理时处理好。plt.show()后暂停的处理。3.dropout解决过拟合。主要是修改了自定义模型那块。第一种读取图片的方法。

ToTensor作用DataLoader作用乱序 shuffle将数据采样为小批次 batch_sizenum_workers 实现多图片同时读取。

全部数据都参与训练可能会过拟合，所以要切分一部分数据作为验证。使用dataloeader加载模型数据，主要改的最后一段。使用dataset加载模型数据。

【代码】python (2) 逻辑回归实例。

5.实例 收入数据集（可与之前那个线性回归的例子详细比较）4.张量变形与自动微分。

data.Education.values.reshape(-1,1)：data.Education.values是一个有30个变量的数组，这里改变其形态，转变为30个一行一列维度为1的输入。左边的-1位自动计算，数组中有几个数据就多少行，右边的1直接定义了列数只为1。