10.26 要尝试让自己安静下来，去做该做的事而不是让内心烦躁，焦虑，毁掉你本就不多的热情和定力

最新推荐文章于 2024-07-19 16:12:05 发布

向上Claire

最新推荐文章于 2024-07-19 16:12:05 发布

阅读量3.9k

点赞数 7

分类专栏：笔记文章标签： pytorch 深度学习 python

本文链接：https://blog.csdn.net/weixin_44522477/article/details/127534299

版权

笔记专栏收录该内容

68 篇文章 0 订阅

订阅专栏

要尝试让自己安静下来，去做该做的事
而不是让内心烦躁，焦虑，毁掉你本就不多的热情和定力

在这里插入图片描述

复习

import torch
import torch.nn as nn
import math
from torch.autograd import Variable

# 定义embedding类来实现文本嵌入层，这里的s说明代表两个一模一样的嵌入层，他们共享参数
class Embeddings(nn.Module):
    # 类的初始化，有两个参数，d_model：指词嵌入的维度，vocab：指词表的大小
    # 如果嵌入的是英文文本，vocab是英文文本的大小，如果是目标文本就是法文文本的大小
    def __init__(self,d_model,vocab):
        # 接着就是使用super的方式指明继承nn.Module的初始化函数
        super(Embeddings, self).__init__()
        # 调用nn中于定义层embdding， 获得一个词嵌入对象self.lut
        # 两个参数是词表的总词数和词表的维度
        # 定义embedding层
        # 这两个参数位置不能写错了
        self.lut = nn.Embedding(vocab,d_model)
        # 最后将d_model传入类中
        self.d_model = d_model

    # 可以将其理解为该层的前向传播逻辑，所有层都会有此函数
    # 参数x，因为embedding层是首层，所以代表输入给模型的文本通过词汇映射后的张量
    # 只有一个嵌入层，所以直接扔到这里面，就可以
    # 乘以是一个缩放的作用，映射的作用
    def forward(self,x):
        # 将x传给self.lut并与根号下self.d_model相乘作为结果返回
        # x代表输入的文本通过词汇映射后的数字张量
        # x代表输入进模型的文本通过词汇映射后的数字张量
        return self.lut(x) * math.sqrt(self.d_model)


# # nn.Embedding演示
# # 一个参数是单词的总数，一个是嵌入的维度
# 这个10应该是最大的单词总数
# embedding = nn.Embedding(10,3)
# # 输入张量的形状是两行四列
# 进行封装
# input = torch.LongTensor([[1,2,4,5],[4,3,2,9]])
# print(embedding(input))
# # 输出的结果代表了4行3列，3这个维度展示在列这个方向，第一行共同代表了1
# # 每一个数字都被映射成为了3维的列表
#
# #
# embedding = nn.Embedding(10,3,padding_idx=0)
# input = torch.LongTensor([0,2,0,5])
# print(embedding(input))
# # 第一个和第三个都被映射成为了0
#
# embedding = nn.Embedding(10,3,padding_idx=5)
# input = torch.LongTensor([0,2,0,5])
# print(embedding(input))


# 实例化参数
# 词嵌入维度是512维
# d_model = 512
# # 词表的大小是1000
# vocab = 1000
#
# # 输入参数
# # 输入x是一个使用variable封装的长整型张量，形状是2*4
# x = Variable(torch.LongTensor([[100,2,421,508],[491,998,1,221]]))
#
# # 实例化一个emb
# 有了x 就可以实例化对象
# emb = Embeddings(d_model,vocab)
# # 将x传入到里面
# embr = emb(x)
# print("embr:",embr)
# print(embr.shape)

# 输出2*4*512
# 100 被映射为一个列表，512

在这里插入图片描述

高中数学课程是培养公民素质的基础性课程，简述“基础性”的含义，并举例说明：

（1）课程包括必修课程，选择性必修课程，选修课程，必修课程为学生发展提供共同基础，是高中毕业的数学学业水平考试的内容要求，也是高考的内容要求。选择性必修课程是供学生选择的的课程，也是高考的内容要求，考虑到大家有不同的选择。选修课程以学生确定发展方向为导向，为学生展示数学才能提供平台，为学生发展兴趣提供选择。
（2）面向全体学生提供了学生现阶段学习和未来发展必要的数学基础，为全体学生构建课程基础。
（3）高中数学是为了适应未来社会生活，高等教育和职业发展提供的必要的数学基础。
（4）为其他学科提供了基础。