古月哲亭

原文链接; https://blog.csdn.net/brucewong0516/article/details/79121179?utm_medium=distribute.pc_relevant_t0.none-task-blog-BlogCommendFromBaidu-1.control&depth_1-utm_source=distribute.pc_relevant_t0.none-task-blog-BlogCommendFromBaidu-1.control

作者|Conner Brew 编译|VK 来源|Towards Data Science 介绍 在本文中，我们将创建一个基于战争研究所（ISW）的结构化文档数据库。ISW为外交和情报专业人员提供信息产品，以加深对世界各地发生的冲突的了解。 要查看与本文相关联的原始代码和No...

https://segmentfault.com/a/1190000022589080

解决PyTorch与CUDA版本不匹配：2 pytorch官网查看安装命令https://pytorch.org/get-started/locally/如果你发现你的版本与上面的都不符合，可以点击进入以前版本页面：https://pytorch.org/get-started/previous-versions/的安装命令，比如：...

尽管BERT为代表的预训练模型大肆流行，但是身处工业界才会知道它落地有多难，尤其是QPS动辄几百的在线推荐、搜索系统，哪怕在大厂也很难在线上系统见到它们。今天就想反其道而行之，谈谈工业界搜索、推荐、广告这类核心场景中落地能力最强的算法（之一）：因子分解机（FM）。我不敢说它是最简单的（FM的确很简单），但是作为一个推荐算法调参工程师，掌握FM一定是性价比最高的。我推崇FM算法的原因，有以下三点：功能齐全众所周知，推荐算法有三个应用领域：召回、粗排、精排。推荐算法千千万，但是有的算法只能用于召回，有的算

Python异常及处理方法总结：https://blog.csdn.net/polyhedronx/article/details/81589196?depth_1-