![](https://img-blog.csdnimg.cn/20201014180756923.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
Python
文章平均质量分 79
茫茫人海一粒沙
这个作者很懒,什么都没留下…
展开
-
[机器学习-概念新] 什么是欧式距离、标准化欧式距离、马氏距离、余弦距离
[机器学习-概念] 什么是欧式距离、标准化欧式距离、马氏距离、余弦距离原创 2023-01-01 15:01:30 · 2794 阅读 · 0 评论 -
[Mac M1] 错误xcrun: error: (/Library/Developer/CommandLineTools) || #include “portaudio.h“
[Mac M1] 错误xcrun: error: (/Library/Developer/CommandLineTools) || #include "portaudio.h"原创 2022-12-29 16:49:45 · 791 阅读 · 0 评论 -
NLP-文本匹配任务原理与代码实践总结
下面的大多数库应该是语义相似性比较的不错选择。您可以使用这些库中的预训练模型生成单词或句子向量,从而跳过直接单词比较。原创 2022-12-23 17:17:55 · 3134 阅读 · 0 评论 -
预测足球世界杯比赛
预测足球世界杯比赛原创 2022-11-24 17:19:56 · 24281 阅读 · 22 评论 -
树莓派-RuntimeError: You must setup() the GPIO channel first
RuntimeError: You must setup() the GPIO channel first原创 2022-10-20 13:09:07 · 1505 阅读 · 0 评论 -
树莓派(Raspberry )开机自动启动Python程序
树莓派(Raspberry )开机自动启动Python程序原创 2022-09-01 11:40:45 · 1620 阅读 · 1 评论 -
树莓派4B上创建Python的虚拟环境和安装Tensorflow2
树莓派4B上创建Python的虚拟环境和安装Tensorflow2原创 2022-07-21 15:05:01 · 1664 阅读 · 0 评论 -
实时多人姿态检测| Tensorflow real time multipose detection
实时多人姿态检测| Tensorflow real time multipose detection原创 2022-07-14 17:57:43 · 1878 阅读 · 0 评论 -
Python OpenCV 视频的读取和保存
Python OpenCV 视频的读取和保存原创 2022-07-14 17:32:48 · 8207 阅读 · 0 评论 -
用Python中Pywin32 win32com操作outlook总结 | 读-查-发-存邮件
目录1. 简介2. 用win32com操作outlook1.读邮件2. 根据条件查邮件3. 保存邮件附件或邮件4. 发邮件3. 问题总结1. 发件人邮件地址用SenderEmailAddress来取的话取出的不对,因为发件人的邮件地址类型是EX, 用下面的方法来取。4. 其它Pywin32是最受欢迎的软件包之一,可以自动化Microsoft Outlook/Excel等的日常工作。在我的上一篇文章中,我们讨论了如何使用此软件包阅读电子邮件并从Outlook中节省附件。 由于原始帖子中未介绍的评论中提出了很多原创 2022-07-07 12:30:10 · 16066 阅读 · 1 评论 -
NLP中任务总结
NLP中任务总结1.token-level task:1.1Cloze task1.2.SQuAD(Standford Question Answering Dataset) task1.3Named Entity Recognition(NER)2. sequence-level task2.1NLI(Natural Language Inference) task2.2.Sentence Pair Classification tasks2.3.Single......原创 2021-08-28 23:23:06 · 1075 阅读 · 0 评论 -
CRF(条件随机场) 学习总结
https://spaces.ac.cn/archives/5542https://github.com/bojone/crf/blob/master/word_seg.pyhttp://sighan.cs.uchicago.edu/bakeoff2005/原创 2021-08-28 23:07:14 · 803 阅读 · 0 评论 -
命名实体识别(NER – Named-entity recognition) 总结
1.什么是命名实体识别?命名实体识别(Named Entity Recognition,简称NER),又称作“专名识别”,是指识别文本中具有特定意义的实体,主要包括人名、地名、机构名、专有名词等。简单的讲,就是识别自然文本中的实体指称的边界和类别。2.命名实体识别的发展历史早期基于规则、字典的方法就不细说。目前使用最广泛的应该是基于统计的方法(对语料库的依赖比较大),利用大规模的语料来学习出标注模型,来对各个位置进行标注。CRF是NER目前的主流模型,它的目标函数不仅考虑输入的状态特征...原创 2021-08-25 23:15:31 · 8184 阅读 · 0 评论 -
GPT(Improving Language Understandingby Generative Pre-Training) 论文笔记
Paper:GPT: Improving Language Understandingby Generative Pre-TrainingCode:GPT1. 论文简介GPT是“Generative Pre-Training”的简称,是指的生成式的预训练。GPT采用两阶段过程,第一个阶段是利用语言模型进行预训练,第二阶段通过Fine-tuning的模式解决下游任务。下图展示了GPT的预训练过程。2. GPT与ELMO区别与联系(1)相同点:GPT和ELMO是类似的都是两阶段模型。原创 2021-08-08 16:34:18 · 1978 阅读 · 0 评论 -
XLNet(Generalized Autoregressive Pretraining for Language Understanding) 论文笔记
Paper:XLNet: Generalized Autoregressive Pretraining for Language UnderstandingCode:XLNet code1. 论文简介18年底谷歌爸爸推出了bert,该模型一经问世就占据了nlp界的统治地位,如今CMU和google brain联手推出了bert的改进版xlnet。Bert这种基于自编码的具有双向建模能力的模型性能比基于自回归建模的语言模型的性能要好。但是Bert因为采用了Mask的训练方式, 忽略了被Mask原创 2021-08-07 23:55:39 · 445 阅读 · 0 评论 -
Torch 学习总结
1.torch.clamp()torch.clamp(input, min, max, out=None) → Tensor将输入input张量每个元素的夹紧到区间[min,max][min,max],并返回结果到一个新张量。操作定义如下: | min, if x_i < miny_i = | x_i, if min <= x_i <= max | max, if x_i > max例子代码import to...原创 2021-08-01 23:30:06 · 844 阅读 · 0 评论 -
DEBERTA(Decoding-enhanced BERT with disentangled attention) 论文笔记
Paper:DeBERTa: Decoding-enhanced BERT with Disentangled AttentionCode:microsoft/DeBERTa: The implementation of DeBERTa1. 论文简介DeBerta (Decoding-enhanced BERT with disentangled attention),该架构利用两种新技术改进了BERT和RoBERTa模型:结果显示比Xlnet,BERT与RoBERTa都强。..原创 2021-07-31 23:39:12 · 1025 阅读 · 1 评论 -
wordcloud词云使用方法
Wordcloud 基本介绍WordCloud 词云图,当你想要显示一个文本里的主要的关键词(高频词)的时候。你就可以用它了。中文词云- 用jieba做的分词英文词云利用背景图片显示词云代码实现from wordcloud import WordCloud, ImageColorGeneratorfrom PIL import Imageimport matplotlib.pyplot as pltimport jiebaimport numpy as npdef test_c原创 2020-07-22 00:57:51 · 1305 阅读 · 0 评论 -
创建多个虚拟环境 windows python Anacoda tensorflow
背景介绍Tensorflow 有两个版本。一个1.x 版本,另一个是2.x 版本。差异很大。tensorflow1.x:版本适合学习因为它的api都是原始的,没有经过太多的包装而且现在企业大部分还是的用这个版本。tensorflow2.x 版本引进了keras的封装使得用的时候更简单。可以让程序员花更多的时间在业务上面。所以让个版本都想有。所以你就要创建两个虚拟的环境,一个给1.x,一个给...原创 2020-03-24 22:11:40 · 326 阅读 · 0 评论