qq_61897309的博客

Transformer是一种神经网络结构，由Vaswani等人在2017年的论文Attentions All YouNeed”中提出，用于处理机器翻译、语言建模和文本生成等自然语言处理任务。Transformer同样是encoder-decoder的结构，只不过这里的“encoder”和“decoder”是由无数个同样结构的encoder层和decoder层堆叠组成。

整体来说，只要数据集构建没有问题，网络结构没有问题（需要计算测试）那么框架转换就很简单了，因为训练的流程都大致相同，虽然mindspore里面没有梯度清零什么的但是也有独特的自动微分梯度求导，这个多看几个案例，其实也是一套流程。

练而改变），尝试使用 A 的前 50 /100 层去完成任务 B一个任务 A，一个任务 B，两者极其相似，任务 A 已经训练处一个模型 A，使用模型 A 的浅层参数去训练任务 B，得到模型 B。

此过程并不复杂，需要注意的是，要在昇腾910的npu环境下训练得到的ckpt模型文件才可以转换，其它如cpu、gpu下得到的模型均不可以，所以可以用启智AI平台来，按照昇思官方给的示例就可以转成。input_np为训练/推理过程输入网络的数据（其中一个），可以先打印出来确定其内容和类型，我这个案例里面用的是（10，1），即一个二维数字，10列1行，这也是为什么数据是这个样子的原因；路径需要替换为自己的mindspore lite地址，后面按照转换示例走一下就可以转换得到，主要容易出错的是环境变量的设置。

基于Mindspore，通过Resnet50迁移学习实现猫十二分类

分词是什么？Tokenizer了解、texts_to_sequences方法了解、 文本为何能序列化？未见过的单词如何处理？序列填充 pad_sequences；打造识别文本情感的模型、循环神经网络、长短期记忆网络（LSTM）、打造一个会写诗的AI

Pico VR开发实战——节奏光剑，舞台灯效

VR全景图构建

光杠杆法测量金属丝的杨氏模量，根据自己理解来写的，可能会有错误。

python多进程、多线程介绍，以及线程池和进程池的用法

数组a有n个元素，请输出n个元素的最小值及其下标。若最小值有多个，请输出下标最小的一个。注意，有效下标从0开始。输入分两行，第一行是一个正整数n（n

对于每组输入，在一行输出n个数的和（保证和不会超出int类型的范围）！时间限制: 1 Sec 内存限制: 128 MB。输入第一行是一个整数T，表示有T组测试实例；初做多实例测试，注意累加和变量赋初值的位置。提交: 33539 解决: 21570。1081: n个数求和 （多实例测试）第一行一个数n表示接下来会有n个整数；第二行空格隔开的n个数。

输入的成绩均为五级制成绩，五级制成绩转换为百分之成绩的规则如下：'A'转换为百分之成绩为95分，'B'对应85分，C对应75分，'D'对应65分，'E'对应40分。要求程序定义一个getScore()函数和一个main()函数，getScore()函数返回一个等级对应的分数，其余功能在main()函数中实现。对于C/C++代码的提交，本题要求必须通过定义getScore函数和main函数实现，否则，提交编译错误，要提交完整的程序。输入为一行只包含'A'~'E'的字母，每个字母表示一门课的成绩，

1000: 从今天开始入坑C语言。1003: 两个整数的四则运算。1004: 三位数的数位分离。1002: 简单多项式求值。1001: 整数a+b。

动手深度学习-pytorch线性代数

动手深度学习-pytorch数据操作

​ 在操作系统层面增添虚拟服务器功能，没有独立的Hypervisor层。​ 相反主机操作系统本身就负责在多个虚拟服务器之间分配硬件资源，并且让这些服务器彼此独立，一个明显的区别是，如果使用操作系统层虚拟化，所有虚拟服务器必须运行同一操作系统。​ 虽操作系统层虚拟化的灵活性比较差，但本机速度性能比较高。此外，由于架构在所有虚拟服务器上使用单一、标准的操作系统，管理起来比异构环境要容易。

将这个文件夹放到新的环境里，注意要与Python同级，根据requirement.txt配置新环境。执行成功后，会自动生成requirement.txt文件，位置与Python文件同级。requirement.txt这个文件是用于记录所有依赖包及其精确的版本号。主要是解决更换不同电脑，配置的环境，因依赖包版本原因出现的问题。

selenium模块相关内容