- 博客(10)
- 收藏
- 关注
RSS订阅原创 NLP基础知识
临时设置：python运行时设置：【注】：上述设置方式，必须要在第一次使用 cuda 之前进行设置。永久设置：4、细节点model.eval()与model.train()：作用：主要用于通知dropout层和batchnorm层在train和val模式间切换；train：在train模式下，dropout网络层会按照设定的参数p设置保留激活单元的概率（保留概率=p); batchnorm层会继续计算数据的mean和var等参数并更新；eval：在eval模式下，dropout层会让所有的激
2023-06-24 21:39:30
1710
原创 通俗易懂的LLM（上篇）
2022年年底OpenAI发布ChatGPT，将LLM（Large Language Model）带向了一个新的高度，而2023年OpenAI继续放出大招：更强大的GPT-4问世，引爆了整个互联网圈。在这个大模型时代，作为一名NLPer，持续吸收着层出不穷的新技术，确实有些吃不消。俗话说，好记性不如烂笔头，在此记录下LLM相关技术及进展。顺便说一句，你可以说它不全面，但不能说它不通俗易懂。GPT系列模型详解【LLM系列-01】Language Models are Few-Shot Learners。
2023-06-06 17:44:03
15606
6
原创 一些奇奇怪怪的知识点
目录一、置信区间一、置信区间转载于知乎高赞回答https://www.zhihu.com/question/26419030?sort=created，此答案和教材中介绍基本一致，更加通俗易懂。首先，重要的事情说三遍：置信区间是随机变量！置信区间是随机变量！置信区间是随机变量！最可能出现的对置信区间的错误理解：95%置信区间有95%的概率包括真实参数。理解置信区间，有几个基础统计概念要搞清楚，抛开这些概念去理解置信区间就是扯淡。置信区间是谁的置信区间？这个问题搞清楚了么，置信区间是来参数的置
2021-11-29 15:49:53
925
1
原创 通俗易懂的LSTM
目录一、LSTM的基础知识1、长依赖的问题2、LSTM的核心2、LSTM的门结构3、LSTM的变体: GRU二、LSTM的补充知识1、LSTM缓解梯度消失的原因一、LSTM的基础知识1、长依赖的问题通过之前的分享，我们已经了解RNN的基本结构，同时也了解了RNN存在的梯度消失的问题，这里我们通过一个例子简单回顾下RNN处理任务的逻辑及梯度消失带来的问题。考虑用一个语言模型通过利用以前的文字信息来预测下一个文字。如果我们需要预测“the clouds are in the sky”这句话的最后一个字，
2021-11-27 19:51:45
6318
原创 通俗易懂的RNN
RNN，LSTM，GRURNN循环核介绍：参数时间共享，循环层提取时间信息。功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入RNNRNN（Recurrent Neural Network）是一类用于处理序列数据的神经网络。首先我
2021-11-26 11:32:53
80036
13
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人