- 博客(6)
- 收藏
- 关注
RSS订阅原创 自注意力机制 self-attation
比如说，要去查询Thinking与其他词的相关程度（当然也包括Thinking本身），Thinking与Thinking的相关程度就是q1*k1，Thinking与Machines的相关程度就是q1*k2，这样就得到了相关程度分值，但是由于不同向量的维度不同，得到的分值还需要经过software，把相关程度归一化。自注意力机制：一句话中的某一个词语与其他词语的关系，是输入语句内部元素之间或者输出语句内部元素之间发生的Attention机制。q矩阵：是用来表示要去查询的词。k矩阵：是用来表示等待被查询的词。
2024-06-22 10:58:39
114
原创 pycharm爬虫基础案例1
代码中表达式//*[@id="pl_top_realtimehot"]/table/tbody/tr/td/a/text()中，//是通配符，后面是选取网页中的标题元素，对标题元素进行爬取。获取完cookie和User-Agent之后，调用report库的get函数向服务器发送请求，将返回的结果赋值给resp变量，然后对返回内容中的content元素进行解码（content元素其实就是网页的内容，这里解码时因为返回的网页内容是二进制格式，需要用UTF-8格式解码）点开要爬取的网页，然后右键鼠标，选择检查。
2024-06-19 08:40:23
203
原创 基于双阶段注意力机制和 Bi-LSTM 的多变量时间序列预测网络用户情感变化趋势
网络还在神经元中新增了一个新的 记忆单元状态 ，它负责把信息从序列初始的位置传递到序列末尾位置，完 成信息的循环传递，同时向隐藏层传递信息，用于存储序列的长时间特性，LSTM 网络有效地捕捉了时间序列的长期依赖性，因此适合用于时间序列预测领域。根据遗忘门和输入门的输出结果更新记忆单元的状态 ，这一步骤保存了数据的长期特征，避免了因无关特征增加的模 型的计算复杂度，输出门（得到两个序列相反的隐含层状态，分别获取了输入特征的历史信息和未来信息，捕捉了序列数据两个时间方向的特征。因此，Bi-LSTM。
2024-05-29 09:41:47
589
原创 更换pycharm下载源（推荐清华源）
如上图，输入pip install PyQt5,出现清华源网址，表明更换成功，速度比之前明显增加。之后在 python packages中找到设置符号。
2023-12-10 00:20:44
4829
1
原创 对于GAN（生成对抗网络）生成图片的检测（一）
GAN生成的图纸中会包含上采样结构，上采样是一种图像处理技术，用于将低分辨率图像或低质量图像增加到较高的分辨率或更好的质量。5、计算频谱之间的相关性或相似性，使用互相关来计算两个频谱之间的相似度。4、之后在构建一个模型，并加载ResNet-50的预训练权重（使用了在大规模图像数据集上进行预先训练的ResNet-50模型的参数），使用大型卷积神经网络ResNet-50来对频谱特征进行提取。2、对数据进行扩增，就是对图片进行翻转，模糊等操作，增强模型对图片鉴别的泛化，也可以增强数据的多样性。
2023-12-08 09:45:22
646
原创 对于网络短图文非法短视频的鉴别思路一
2、数据集的构造：对于图像数据，可以使用计算机视觉技术（如图像分类、目标识别、特征提取等）来提取图像中的实体和关系，并将其转化为结构化数据，再将结构化数据导入奥neo4j中。4、建立llm模型：可以采用Hugging Face Transformers库进行导入预训练模型，具体编程实现用pycharm，之后对预训练语言模型进行参数的微调，包括修改模型的层数、隐藏单元数或添加任务特定的层。非法内容可以包括黄色，暴力，诈骗等），内容中可以包括图文视频，视频，图片，文本。对于kg的搭建，可以选择neo4j （
2023-12-05 11:32:02
407
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人