摘要：
142. 环形链表 II 给定一个链表，返回链表开始入环的第一个节点。 如果链表无环，则返回 null。 为了表示给定链表中的环，我们使用整数 pos 来表示链表尾连接到链表中的位置（索引从 0 开始）。 如果 pos 是 -1，则在该链表中没有环。 说明：不允许修改给定的链表。 示例 1： 输入： 阅读全文
posted @ 2020-09-21 09:39
douzujun
阅读(128)
评论(0)
推荐(0)
摘要：
1. Introduction PDTB是基于一个简单的想法，即，篇章关系是建立在一组可识别的单词或短语（篇章连接词）或仅仅是在两个句子的邻接中。 本手册首先总结了PDTB-3中的新功能以及它与PDTB-2中的不同之处。 需要注意的是，PDTB-3中的每个token都标有其 出处，表明它是PDTB- 阅读全文
posted @ 2020-09-20 22:08
douzujun
阅读(697)
评论(0)
推荐(0)
摘要：
1. 查看模型每层输出详情 from torchsummary import summary summary(your_model, input_size = (channels, H, W)) input_size是根据你自己的网络模型的输入尺寸进行设置。 2. 梯度裁剪 import torch 阅读全文
posted @ 2020-09-20 12:03
douzujun
阅读(165)
评论(0)
推荐(0)
摘要：
感觉不错：Attention详解 阅读全文
posted @ 2020-09-19 16:34
douzujun
阅读(207)
评论(0)
推荐(0)
摘要：
nvidia-smi：是用来查看GPU使用情况的。我常用这个命令判断哪几块GPU空闲，但是最近的GPU使用状态让我很困惑，于是把nvidia-smi命令显示的GPU使用表中各个内容的具体含义解释一下。 !/opt/bin/nvidia-smi 阅读全文
posted @ 2020-09-18 22:19
douzujun
阅读(140)
评论(0)
推荐(0)
摘要：
47. 全排列 II 给定一个可包含重复数字的序列，返回所有不重复的全排列。 示例: 输入: [1,1,2] 输出: [ [1,1,2], [1,2,1], [2,1,1] ] /* * @lc app=leetcode.cn id=47 lang=cpp * * [47] 全排列 II */ // 阅读全文
posted @ 2020-09-18 13:29
douzujun
阅读(135)
评论(0)
推荐(0)
摘要：
摘要 1. 引言（Introduction） 2. Annotation of Discourse Relations and their Arguments 显示连接词 Arg1论元位置，范围跨度都大 隐式连接词 阅读上下文来推断 AltLex、EntRel、NoRel用于不能提供隐含连接词的情况 阅读全文
posted @ 2020-09-17 10:52
douzujun
阅读(601)
评论(0)
推荐(0)
摘要：
https://blog.csdn.net/qq_39636214/article/details/85036837 阅读全文
posted @ 2020-09-16 21:11
douzujun
阅读(298)
评论(0)
推荐(0)
摘要：
参考文章 Three-pass method 关键：阅读这篇论文三次，而不是一开始就开始，把你的路耕到最后。 1. 第一次阅读 第一次：给你一个大致的想法关于这篇论文（5-10分钟） 仔细阅读 标题（title），摘要（abstract），和引言（introduction） 阅读章节（section 阅读全文
posted @ 2020-09-16 20:13
douzujun
阅读(236)
评论(0)
推荐(0)
摘要：
目前工作： 扩预料工作 语义关系分析 阅读全文
posted @ 2020-09-16 19:24
douzujun
阅读(213)
评论(0)
推荐(0)
摘要：
226. 翻转二叉树 翻转一棵二叉树。 示例： 输入： 4 / \ 2 7 / \ / \ 1 3 6 9 输出： 4 / \ 7 2 / \ / \ 9 6 3 1 C++版本： /* * @lc app=leetcode.cn id=226 lang=cpp * * [226] 翻转二叉树 */ 阅读全文
posted @ 2020-09-16 08:46
douzujun
阅读(117)
评论(0)
推荐(0)
摘要：
0. 摘要 1. 引言 （1）有利于篇章文本结构化 （2）具有广泛的应用价值 篇章的因果关系：用于自动问答和事件关系抽取； 对比关系：用于研究情感分析； 扩展关系：用于自动文摘和篇章关键词抽取。 另外，在机器翻译中也得到广泛应用。 2. 语料资源 RSTDT、PDTB、HIT-CDTB RSTDT、 阅读全文
posted @ 2020-09-14 16:42
douzujun
阅读(1500)
评论(0)
推荐(0)
摘要：
94. 二叉树的中序遍历 给定一个二叉树，返回它的中序 遍历。 示例: 输入: [1,null,2,3] 1 \ 2 / 3 输出: [1,3,2] 递归解法： /* * @lc app=leetcode.cn id=94 lang=cpp * * [94] 二叉树的中序遍历 */ // @lc c 阅读全文
posted @ 2020-09-14 09:45
douzujun
阅读(165)
评论(0)
推荐(0)
摘要：
参考博客1 参考博客2 在PyTorch中，有一些对Tensor的操作不会真正改变Tensor的内容，改变的仅仅是Tensor中字节位置的索引。这些操作有： narrow(), view(), expand(), transpose() 例如执行view操作之后，不会开辟新的内存空间来存放处理之后的 阅读全文
posted @ 2020-09-09 17:14
douzujun
阅读(355)
评论(0)
推荐(0)
摘要：
笔记摘抄 笔记 import torch from torch import nn, optim from torch.utils.data import DataLoader from torchvision import transforms, datasets import visdom 1. 阅读全文
posted @ 2020-09-08 13:41
douzujun
阅读(620)
评论(0)
推荐(0)
摘要：
笔记摘抄 语料链接：https://pan.baidu.com/s/1wpP4t_GSyPAD6HTsIoGPZg 提取码：jqq8 数据格式如图： 导包： import os import sys import math from collections import Counter import 阅读全文
posted @ 2020-09-07 01:43
douzujun
阅读(1962)
评论(0)
推荐(1)
摘要：
全部代码 已训练模型 1. 聊天机器人综合介绍 1.1 知识点 1.2 聊天机器人分类 1.21 从领域划分 固定领域(技术支持) 固定领域(天气查询) 开放领域(娱乐助手) 1.22 从模式划分 检索模式 应用： 简单原理： 生成模式 应用： 简单原理： 1.23 从功能划分 问答型聊天机器人 任 阅读全文
posted @ 2020-09-05 12:41
douzujun
阅读(4422)
评论(0)
推荐(4)
摘要：
1. 生成式模型 2. 自动编码器(Auto-Encoder) 3. 变分自动编码器(Variational AutoEncoders) 4. 生成对抗网络(GAN,Generative Adversarial Networks) 4.1 判别式模型和生成式模型 4.2 GAN基本原理 4.3 判别 阅读全文
posted @ 2020-09-03 15:33
douzujun
阅读(1194)
评论(0)
推荐(0)
摘要：
笔记摘抄 语料链接：https://pan.baidu.com/s/1YxGGYmeByuAlRdAVov_ZLg 提取码：tzao neg.txt和pos.txt各5000条酒店评论，每条评论一行。 1. 导包和设定超参数 import numpy as np import random impo 阅读全文
posted @ 2020-08-28 22:40
douzujun
阅读(4940)
评论(2)
推荐(1)
摘要：
笔记摘抄 1. transformer资料 transformers（以前称为pytorch-transformers和pytorch-pretrained-bert） 提供用于自然语言理解（NLU）和自然语言生成（NLG）的BERT家族通用结构（BERT，GPT-2，RoBERTa，XLM，Dis 阅读全文
posted @ 2020-08-27 17:35
douzujun
阅读(21263)
评论(0)
推荐(5)
摘要：
视频讲解 直接看这个-->Github 导包： import re import math import torch import numpy as np from random import * import torch.nn as nn import torch.optim as optim i 阅读全文
posted @ 2020-08-25 00:46
douzujun
阅读(2217)
评论(0)
推荐(0)
摘要：
1. ELMO 2. BERT 就是Transformer的Encoder部分：输入input，输出embedding 如果处理中文，用 字 作为单位 （潮水--词，潮--字） 2.1 预测Masked word 2.2 [SEP] 和 [CLS] [SEP]：两个句子的 边界 [CLS]：输出 分 阅读全文
posted @ 2020-08-22 16:00
douzujun
阅读(400)
评论(0)
推荐(0)
摘要：
https://www.cnblogs.com/linzhenyu/p/13277552.html 阅读全文
posted @ 2020-08-20 16:32
douzujun
阅读(478)
评论(0)
推荐(0)
摘要：
摘抄 1. 爬取京东商品评论 JD.py import requests from urllib.parse import quote from urllib.parse import urlencode from lxml import etree import logging import js 阅读全文
posted @ 2020-08-19 22:33
douzujun
阅读(1949)
评论(2)
推荐(0)
摘要：
笔记摘抄 Transformer模型（文本分类仅用到Encoder部分）： 1. 数据预处理 和上一个博客https://www.cnblogs.com/douzujun/p/13511237.html中的数据和预处理都一致。 import numpy as np import torch from 阅读全文
posted @ 2020-08-17 21:06
douzujun
阅读(4580)
评论(3)
推荐(1)
摘要：
摘抄笔记 语料链接：https://pan.baidu.com/s/1aDIp3Hxw-Xuxcx-lQ_0w9A 提取码：hpg7 train.txt pos/neg各500条，一共1000条（用于训练模型） dev.txt pos/neg各100条，一共200条（用于调参数） test.txt 阅读全文
posted @ 2020-08-16 00:46
douzujun
阅读(12601)
评论(5)
推荐(1)
摘要：
https://blog.csdn.net/qq_40210472/article/details/87895626 1. nn.Conv2d nn.Conv2d 输入信号的形式为(N, Cin, H, W), N表示batch size，Cin表示channel个数，H，W分别表示特征图的高和宽 阅读全文
posted @ 2020-08-10 23:05
douzujun
阅读(1686)
评论(0)
推荐(0)
摘要：
1. 导入包 import os import torch import torch.nn as nn from torch.autograd import Variable import torch.utils.data as Data import torchvision import torc 阅读全文
posted @ 2020-08-07 20:02
douzujun
阅读(587)
评论(0)
推荐(1)
摘要：
1. 创建vocabulary 学习词向量的概念 用Skip-thought模型训练词向量 学习使用PyTorch dataset 和 dataloader 学习定义PyTorch模型 学习torch.nn中常见的Module Embedding 学习常见的PyTorch operations bm 阅读全文
posted @ 2020-08-03 22:16
douzujun
阅读(2554)
评论(0)
推荐(0)
摘要：
https://www.jianshu.com/p/8ea7fba72673 https://pytorch.org/tutorials/beginner/data_loading_tutorial.html num_works设置过高出错(多线程错误，使用gpu就没事了) https://blog 阅读全文
posted @ 2020-08-03 18:25
douzujun
阅读(3122)
评论(0)
推荐(0)
浙公网安备 33010602011771号