Mars-Express-CSDN博客

原创 VS（Visual Studio）如何修改注释的快捷键（换成Ctrl+/）

VS（Visual Studio）如何修改注释的快捷键（换成Ctrl+/）1.点击“工具”>“选项”2.点击“环境”>“键盘”3.在“显示命令包含”中输入“注释”4.并在“按快捷键”中输入“Ctrl+/”（按住键盘的‘Ctrl’键和‘ / ’键），再点击分配5.最后点击“确认键”注意：如果此时在程序李按住键盘的Ctrl键和/键没有起到注释和反注释的作用，说明其它功能占用着Ctrl+/快捷键，再在刚刚的“按快捷键”输入“Ctrl+/”，发现被“生成文档注释”这个功能占用，在这个

2022-03-01 20:15:53 20681 7

转载 Python装饰器

大家好，装饰器是一个经常被同学问起的概念。今天就给大家分享一篇对于装饰器的讲解文章。文章较长，涉及装饰器的细节较多，值得收藏细读。

2021-12-05 19:33:05 237 1

原创支持向量机学习笔记（简记）

第六章支持向量机文章目录第六章支持向量机6.1 间隔与支持向量6.2 对偶问题6.3 核函数6.4 软间隔与正则化6.5 支持向量回归6.1 间隔与支持向量 ???Question：给定训练样本D=(X1,Y1)(X2,Y2),...,(Xm,Ym),Yi为−1或者+1D = {(X_1 , Y_1) (X_2,Y_2) , ... , (X_m, Y_m)} , Y_{i}为-1或者+1D=(X1,Y1)(X2,Y2),...,(Xm,Ym),Yi为−1或者+1，分类学习最基本

2021-10-31 19:56:49 282

原创神经网络学习-简记

第五章神经网络概述：本次组队学习主要完成了： 1.学习了神经网络的相关基础内容； 2.对相应的一些公式进行了推导。5.1 神经元模型神经网络是由具有适应性的简单单元组成的广泛并行互连的网络。图5.1 MP神经元模型 step1.神经网络基本单元——神经元（neuron） step2."M-P神经元模型经元接收到来自n个其他神经元传递过来的输入信号，这些输入信号通过带权重的连接(connection) 进行传递，神经元接收到的总输入值将与神经元的阀值进行比较，然后通过"激活函数

2021-10-29 10:08:27 373

原创 NLP学习笔记——BERT的一些应用（简记）

本文内容中：挑出pytorch 版的 BERT 相关代码，从代码结构、具体实现与原理，以及使用的角度进行分析Transformers版本：4.4.2（2021 年 3 月 19 日发布）1. 本节接着上节内容，本节具体内容： a） BERT-based Models应用模型 b） Bert解决NLP任务 - BertForSequenceClassification - BertForMultiChoice - BertForTokenClassification - B

2021-08-24 21:33:50 1553

原创 NLP学习————实现一个BERT（简记）

NLP学习————实现一个BERT（简记）本文主要内容是介绍了BERT的代码结构、具体实现与原理，对BERT的一些简记内容包括以下几个部分:BERT Tokenization 分词模型（BertTokenizer）BERT Model 本体模型（BertModel）BertEmbeddingsBertEncoderBertLayerBertAttentionBertIntermediateBertOutputBertPooler本文内容的结构图如下：具体的内

2021-08-22 21:54:07 673

原创 2021-08-21

NLP笔记——BERT和GPT简单记录一、BERT在模型架构方面，到目前为止，和 Transformer 是相同的（除了模型大小，因为这是我们可以改变的参数）可以理解为：一个训练好的 Transformer 的 decoder 的栈输入：1、token 是特殊的 [CLS]，它的含义是分类（class的缩写）。输出：与transformer输出类似思考一个问题：（语境问题）如果我们使用 Glove 的词嵌入表示方法，那么不管上下文是什么，单词 “stick” 都只表示为同一个向量

2021-08-21 00:44:14 109

原创 2021-08-19

NLP学习笔记——attention和transformer一、Attention1、序列到序列（seq2seq）模型2.Attention二、transformer一、Attention在引入attention之前先要讨论下seq2seq。1、序列到序列（seq2seq）模型1）输入：一个（单词、字母、图像特征）序列；2）输出：另外一个序列。3）组成：a.编码器（Encoder）b.解码器（Decoder）4）模型原理a.-> 编码器（Encoder）:（处理）输入序列中的每个元

2021-08-19 00:43:02 236

qq_51485453的博客