ac不知深-CSDN博客

我们开发了一种序列对序列的方法seq2rel，它可以学习DocRE(实体提取、共同引用解析和关系提取)的端到端子任务，取代了任务特定组件的管道。我们使用一种称为实体暗示的简单策略，将我们的方法与几种流行的生物医学数据集上现有的基于管道的方法进行比较，在某些情况下性能超过了它们。在本文中，我们主要关注的情况是，E没有给出，必须由一个模型预测，我们将其称为“端到端”。编码器将输入中的每个标记映射到上下文嵌入。自回归解码器生成一个一个标记的输出，关注编码器在每个时间步的输出(图2)。

2022-09-13 19:04:52 590 2

原创 C/C++代码无误前提下，出现运行框无法输入并自动结束程序及闪退问题

今天codeblocks里写C++程序用自己的想法写出了，大概内容和书本上都一致不论怎么运行都无法输入并出现自动结束程序如下图情况先附上闪退的代码再仔细和书本对照发现了问题我使用数组A是定义在main函数里面定义的的而书本是把数组A放到全局变量下定义于是按照书本上的方式把数组A移到外面这样在执行就可以正常输入输出了。

2022-08-21 15:53:50 3743 7

原创牛客刷题系列（C++）——详解MGJ8 链表合并（目前内存开销最小）

那么当list2遍历结束时，应该把list1剩下部分的数据直接放入list3中。那么当list1遍历结束时，应该把list2剩下部分的数据直接放入list3中。以上两种情况都需要注意在传递到list3中，其指针得指向情况。所以很容易的就忽略了两个链表长度不相同的测试数据。这是一道很简单的合并两个有序链表的题目。如果 list1 长度大于 list2。这里给的测试数据是两个链表长度相同。这部分直接上代码，写上详细的注释。我的思路是先创建两个链表。用于保存合并之后的链表。程序输出结果没有问题。

2022-08-20 12:13:13 357

原创解决服务器长时间跑代码出现自动断连的问题（推荐使用screen）

在好不容易跑通了代码的前提下愉快的跑了15个小时结果刚刚出现了自动断开连接服务器的情况出现尽管程序还在进行中导师推荐了使用nohup和screen两种方法解决此问题但是我查询了nohup的用法发现好像大多数是需要root权限但是在服务器上跑学生没有root权限又不想周末打扰老师所以直接转用screen方法使用screen创建一个新的会话：（KD是我起的名字，可以随意更改）会清空之前的命令行然后开始打开环境，跑代码然后我关掉了ssh，尝试着看看后天有没有继续接着跑（这一步可以不做）连接上服务器，会变回

2022-07-10 10:15:47 3271 1

原创算法与数据结构（二）————入门问题（最大利益问题）

这是本专栏正式第一篇文章本专栏没有太多的废话都是干货与知识点因为各位读者都是有一定基础的所以有些内容我就直接上结论如果想更加详细的了解可以私信或评论我在慢慢给各位读者细说评估执行程序所需要的时间评估执行程序所需的存储空间算法的复杂度可以从最好情况，平均情况，最坏情况三个角度来用O表示当数量级为前四种时我们才称为效率高的算法有的时候也会考虑到需要用空间换时间的方式来降低时间复杂度比如python就是一个典型的用空间换时间的编程语言为什么python的执行效率没有C/C++高这里读者可以先思考一下答案我放在最后

2022-07-05 16:21:11 380

原创 Pycharm远程连接服务器来跑代码

点击pycharm左上角的file，找到python interpreter,点击右边的设置（长得像齿轮那个），然后找到SSH interpreter填写服务器的地址和你服务器上的名字大家在进行第7步时，一定要注意下你的username和host别填反了确认开始连接如果不知道虚拟环境怎么创建可以参考我这篇文章第11步的Interpreter开始选择你创建虚拟环境下的编辑器第12步的sync folders需要填写你想把项目上传至服务器哪个位置（建议是提前创建好新的文件夹内），完成直接finish配置好

2022-06-25 18:06:25 23661 16

原创服务器创建虚拟环境跑代码

最近忙着在服务器上跑代码学习积累了一些经验技巧这里用来记录分享给大家下面我会以一个实例为模板，学习完之后，再删掉不会占用大家的服务器比如我的连接方式为：ssh -p 你的编号 username-host这里我以一篇代码为例创建虚拟环境3、进入虚拟环境如果速度有些慢的话可以考虑更换清华源5、安装PyTorch这里给大家提供两种方式安装两者都可以，但是一定要确认好你的版本号官网在这里这里读者注意一下，如果三方库后面没有加上版本号会默认为安装最新版本如果已经安装过了其他版本可以考虑再次安装指定

2022-06-25 17:28:15 5419 2

原创算法与数据结构（一）————入门专栏介绍

算法与数据结构专栏是我为找工作刷题，学习《挑战程序设计竞赛》一书所写得笔记以及心得体会所产生的内容尽量每周更新两到四篇本篇专栏尽量用较为简洁的话与代码进行描述对于每篇文章的代码也给出较为完整的注释我也不会完全按照书上的内容进行复述尽量只写干货当然我也会尽量避免数学公式因为我本人看到数学公式就会头大相信大家应该也都和我差不多本篇文章只是作为本专栏的入门介绍并没有知识点介绍如果读者发现我在之后的文章中有说的不仔细或者有偏差的地方非常欢迎读者能够指正出来我们一起学习进步一起拿到一份自己满意的工作冲鸭...

2022-06-23 17:04:06 196

原创 NumPy学习笔记（六）——sum()函数

在元素（数组）累加的时候，可以使用此函数进行累加，非常方便我们先来看一下全部的参数sum(a, axis, dtype, out, keepdims, initial, where)第一个参数是是传入/输入的数组元素沿轴使用（可选填，默认为数组的展平成一维形式，即0,1,2,3,4…等）aixs为0与1时的方向如图所示上个代码小例子3）dtype（可选）默认为：numpy.float64我们也可以进行修改比如我们常用的dtype = numpy.int32具体使用整数类型或者精度要根据情况来选择比如有关

2022-06-22 12:27:07 1969

原创 pycharm编辑器远程连接服务器（不废话+废话版）

给大家直接使用pycharm远程连接服务器跑代码

2022-06-17 10:31:24 151

原创使用五数概括法来确定数据集中的孤立点

在数据挖掘中，离不开数据集的问题数据预处理我们会找到数据集中的孤立点然后抛弃那么怎么找到这些孤立点呢？根据方法名称就知道会有五个有关参数大家应该还记得统计学中的正太分布吗？对就是下面这样图正态分布代表了自然界中的太多规律数据集中的数据分布也是如此如果数据集中的数据越靠近中心位置那么该数据集用于研究的效果更好这里我们介绍四分位距（IQR，我更喜欢叫做四分位数差）即IQR = Q3 - Q1IQR的值越大表明数据集中的数据越分散IQR的值越小表明数据集中的数据越靠近中位数因为Q3与Q1与极值点（极大极小值）无

2022-06-06 20:03:55 1341

原创 NumPy学习笔记（五）—— choice()函数

目录一、前言二、函数讲解1、choice()函数2、参数讲解1） a① 如果是数组的话② 如果是int类型的话2）size（可选）① 如果不填② 如果填写（m,n,k）3）replace（可选）① 如果是True② 如果是Fasle4）p（可选，全称：probability）5）返回值3、出错时可能的情况扩展一、前言今天在写神经网络里，使用minibatch抽取部分数据使用到了choice函数二、函数讲解1、choice()函数老样子，先给大家上张官网的介绍英文版：中文版：choice(

2022-05-18 22:35:18 3736

原创 NumPy学习笔记（四）—— argmax()函数

目录一、前言二、函数讲解1、argmax（）函数2、参数1）a2）axis（可选）3）out（可选）3、返回值4、注意一、前言在数组里查找相同元素，返回索引的时候用到了该函数二、函数讲解1、argmax（）函数老样子，我们先看看该函数下包含了哪些参数与返回值英文版：中文版：argmax(a, axis=None, out=None)2、参数1）a我们使用的（输入）数组2）axis（可选）沿轴使用（可选填，默认为数组的展平成一维形式，即0,1,2,3,4…等）如果是沿着0轴，则返

2022-05-16 14:00:26 20566

原创浅谈np.ndim与np.shape的一个小例子

目录前言一维数组ndim：shape：多维数组一个小思考前言在构建神经网络里对一个小例子产生了兴趣一维数组我们简单的写个例子import numpy as npA = np.array([1,2,3,4])print(np.ndim(A))# 1print(A.shape)# (4,)这里对于ndim与shape分别做个解释：ndim：即数组的维数shape：即数组的形状（维度），返回类型元组这里我们注意到此时的A的ndim返回值是1，代表着1维A的shape

2022-05-14 14:39:54 1811

原创解读《Document-Level Relation Extraction with Adaptive Focal Loss and Knowledge Distillation》论文

对于本论文我把所有内容重新排版了，加上自己更直白的话来直观介绍。如果对于文章里的名词解释有疑惑，可以参考我这篇文章一、工作：首先，我们使用轴向注意模块学习实体对之间的相互依赖关系，提高了两跳关系的性能。其次，我们提出了一个自适应的局部损失来解决DocRE的类不平衡问题。最后，我们利用知识蒸馏来克服人工标注数据与远程监督数据之间的差异。首先，为了改进两跳关系的推理，我们提出使用轴向注意模块作为特征提取器。此模块使我们能够关注两跳逻辑路径内的元素，并捕获关系三元组之间的相互依赖关系。其次，我们提出自适应

2022-05-09 21:43:39 1254 14

原创谈谈我对NLP文档级关系抽取中Ign_F1指标的理解(Ign_F1与F1的关系)

因为Ign_F1这个参数网上所解释的内容都是一致的，并且不太好理解于是我就特地请教了YX师兄这里特地感谢1107实验室YX师兄F1分数F1为精确率和召回率的调和平均数（为下部分做准备）对于查全率，查准率，还有召回值就不过多介绍了Ign_F1我看网上所有的解释都是：表示在训练集、验证集和测试集中不包含关系事实的F1分数。那么我通俗的给大家白话一下：解释Ign_F1还是需要与DocRED数据集相结合DocRED数据集包含3,053/1,000/1,000个实例，对应训练/验证/测试在30

2022-05-07 23:08:19 999 1

原创 NLP论文中出现的名词解释（不断更新）

目录前言Distantly supervised （远程监督）Axial Attention（轴向注意力）Focal Loss（局部损失函数）Knowledge Distillation（知识蒸馏）soft labels（软标签）hard labels（硬标签）distant labels（远距离标签）positive sample（正样本）negative sample（负样本）前言因为每次看论文遇到新的名词查了很久，好不容易找到/总结出其意思过了很久记不清，或者笔记本找不到于是就想着写在这里当做

2022-04-28 15:47:49 2631 4

原创 torch中permute()函数用法补充内容（矩阵维度变化详细过程）

目录一、前言二、举例解释解释部分1、permute(0,1,2)2、permute(0,1,2) ⇒ permute(0,2,1)3、permute(0,2,1) ⇒ permute(1,0,2)4、permute(1,0,2) ⇒ permute(0,2,1)三、写在最后一、前言之前写了篇torch中permute()函数用法文章，没想到收藏和点赞还挺多的那我就在详细的说一下permute函数里维度变化的详细过程注意：本文是这篇torch中permute()函数用法文章的补充内容如果有精力可以

2022-04-18 16:39:01 4757 5

原创 python中import和from...import...有关头文件的使用方法及工作原理

目录一、前言二、import 工作原理1、import 执行过程2、import 执行失败3、import 执行成功三、from...import... 工作原理1、from...import... 执行流程2、from...import * 补充说明3、from . import mod 补充说明一、前言今天在看复刻transformer代码时突然对import头文件有了想法。于是就查找官方手册学习并记录下来。二、import 工作原理1、import 执行过程基本的 import 语句（

2022-04-02 16:24:45 2200

原创 NumPy学习笔记（三）—— random.randn()函数

一、官网开发手册二、参数讲解此函数比较简单，只有一种类型参数d0,d1,d2、、、dn(可选填)从d0到dn表示想要输出多少维度的数组，所以此参数不能为负数如果此参数没有，默认为单个python浮点数返回值：ndarray或者浮点数得到的数据是来自标准正太分布里的浮点样本数（d0,d1…dn）的数组如果使用时没有参数限定，则返回单个浮点数三、代码案例print(np.random.randn())# -1.2255531526822836print(np.random.randn

2022-03-29 11:15:19 5574

原创 NumPy学习笔记（二）—— zeros_like()函数（包含zeros函数）

目录一、前言1、zeros()函数2、一言以蔽之参数1）shape：使用int型或者元组类型的数组2）dtype：数据类型（可选填，默认为numpy.float64）3）order：内存中的存储方式（可选填，默认为'C'存储/默认行优先存储）4）*5）like：传入array_like（可选填，1.20.0新添加的功能）返回值:ndarray3、简单代码二、zeros_like()函数1、一言以蔽之参数：1）a：array_like2）dtype:覆盖结果的数据类型（可选填）3）order：覆盖结果的内存布

2022-03-24 22:58:35 23167 7

原创 NumPy学习笔记（一）—— argsort()函数

一、前言最近写NLP有关代码，总会使用NumPy中的知识。索性开个新专栏，用于记录改三方库下的学习积累。二、官方文档三、一言以蔽之参数：a：传入的待排序数组axis（int型，可选填）把第axis轴对数组进行排序。默认为-1，为最后一个轴。如果没有该参数，则展平数组a。重点维数axis=-1时所代表的轴一维数组只有0轴0轴二维数组有0、1轴1轴······递推：N维数组有[0,N-1]个轴N-1轴kind使用kind=‘quick

2022-03-21 22:19:59 1197

原创 Python里Matplotlib的pyplot模块绘制简单图形小例子

使用matplotlib的pyplot模块绘制图形，对于plt.legend()使用参数有了些疑惑，现在记录下。下面是个简单小例子import numpy as npimport matplotlib.pyplot as pltx = np.arange(0,6,0.1)y1 = np.sin(x)y2 = np.cos(x)plt.plot(x,y1,label = "sin")plt.plot(x,y2,linestyle = "--",label = "cos")plt.xl

2022-03-16 19:42:43 933

原创 python中字符串转元组时的小技巧

目录一、问题引入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一、问题引入最近在做问答系统项目时，发现一个很有意思的小问题。我把txt里的内容读取出来，以元组对形式保存在列表中统一格式，然后再保存到sqlite3里。txt

2022-03-04 09:25:23 5983 5

neo4j-community-4.0.3-windows.zip

keil 4.zip

空空如也