- 博客(4)
- 收藏
- 关注
RSS订阅原创 【无标题】
OpenCL 是一套全新的、功能强大的工具集，用于构建在高性能处理器上运行的并行程序。使用 OpenCL，你无需学习设备特定的语言；你可以编写一次代码，然后在任何兼容 OpenCL 的硬件上运行。除了可移植性，OpenCL 还提供了向量处理和并行编程的优势。在高性能计算中，向量是包含多个相同数据类型值的数据结构。但与其他数据结构不同，当对向量进行操作时，它的每个值都会在同一时间被操作。并行编程意味着一个应用程序同时控制多个设备上的处理。OpenCL 可以将不同的任务发送到不同的设备，这被称为任务并行编程。
2025-12-20 18:17:06
932
原创 Windows10 + 3060 + Pytorch + CUDA环境配置
最优选择：安装 PyTorch 2.5.1+cu124，搭配 CUDA 12.4 运行时库，可最大化兼容性和性能。若需最新功能，可尝试 PyTorch 2.6+ 并确认其支持 cu124。由于很慢，于是参考下面的链接：文章中，提供了一种方式，那就是先离线下载，pytorch-cuda包，然后再手动安装。注意：安装前，最好是切换到合适的conda env环境中，再用安装。安装过程中，有其他下载，我是打开梯子进行下载的，等候一会即可。安装完成，会有提示。
2025-04-12 19:36:56
2326
原创 word2vec——CBOW & skipgram
需要注意的是,虽然这个过程看起来简单,但它能够产生高质量的词嵌入,这些词嵌入已经在许多自然语言处理任务中证明了其有效性。CBOW模型的一个优点是它可以平滑分布(因为它使用多个词来预测一个词),这使得它在较小的数据集上表现良好。然而,对于罕见词,Skip-gram模型可能表现更好。CBOW模型的核心思想是通过上下文词来预测目标词。它试图从给定的上下文词(通常是目标词附近的词)来预测中心词(目标词)。CBOW是word2vec的两种主要训练模式之一,另一种是Skip-gram。
2024-10-24 20:57:32
1145
原创 NLP中，Word2vec和Word Embedding的区别和联系
在自然语言处理（NLP）中，Word2vec和Word Embedding是两个密切相关的概念，但它们指的是不同的层次和方面。下面是它们的区别和联系：定义:特点:方法:定义:模型:训练过程:特点:范畴不同:实现方法:总结来说，Word2vec是生成Word Embedding的一种具体方法，而Word Embedding是一个更广泛的概念，涵盖了所有将单词映射到向量空间的技术。两者在目标和应用上是一致的，但在具体实现和范畴上有所不同。
2024-10-18 15:59:27
505
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