地球上最后一个直男

摘要： 在映射的mxl文件中写sql语句时，可以将parameterType设置为map，这样就可以想传什么就传什么，废话不多说，上代码 insertUser2和insertUser的区别是，前者传递的是map，后者传递的是User类，如果User类的属性很多的话，后者这种传递方式需要定义一个对象，并且实现 阅读全文

摘要： 首先还是使用上一篇文章相同的数据表和实体类，如下图所示 1 package com.loubin.pojo; 2 3 public class User { 4 private int id; 5 private String name; 6 private String pwd; 7 8 publ 阅读全文

摘要： 事实上，关于mybatis框架的所有过程，均可见于 https://mybatis.net.cn/getting-started.html 一 创建数据库 该部分就是简单的sql语句创建数据库和数据表的过程，不多赘婿，结果如图所示 二 创建maven项目，导入依赖 首先创建maven项目，注意将ma 阅读全文

摘要： JDK 1.8 Mysql 5.7 maven3.6.1 阅读全文

摘要： JavaDoc的注释参数 @author 作者名 @version 版本号 @since 需要的最早java版本 @param 函数参数 @ return 返回值 @ throws 异常抛出情况 生成JavaDoc步骤 如下代码所示，其中，注释部分是要生成JavaDoc的部分 1 /** 2 * @ 阅读全文

摘要： 原文： https://blog.csdn.net/u013709332/article/details/99700332 阅读全文

摘要： 1.如何构造一个稀疏矩阵呢？ indices = torch.LongTensor([[0,0], [1,1], [2,2]])#稀疏矩阵中非零元素的坐标 indices = indices.t() #一定要转置，因为后面sparse.FloatTensor的第一个参数就是该变量，要求是一个含有两个 阅读全文

摘要： 为什么需要平滑操作 假设有一个预料集 我 喜欢 喝 奶茶 我 喜欢 吃 巧克力 我 喜欢 健身 天啦撸，一起同过窗 要出 第三季 了 这个时候要计算“我喜欢喝咖啡”的概率 假设我们用bi-gram模型来计算，也就是说 P(我喜欢喝咖啡) = P(我)P(喜欢|我)P(喝|喜欢)P(咖啡|喝) = ( 阅读全文

摘要： perplexity可以用来评估训练的语言模型的好坏，其实就是下面这个公式 $$ perplexity = 2^{-x}\qquad x表示的是平均的log likelihood，也可以理解为平均的概率啦$$ 下面举一个例子，假设我们有一个测试集如下： 我喜欢喝奶茶 假设我们有一个训练好的bi-gr 阅读全文

摘要： n-gram模型 unigram模型：假设每个单词的出现概率和前面的单词无关，写成表达式就是 ： $$P(\omega _{1},\omega _{2},...,\omega _{n}) = P(\omega _{1})P(\omega _{2} )P(\omega _{3})...P(\omega 阅读全文