m516606428

摘要： 你说的 “跟相减一样”，应该是疑惑 cosine - sim(u, v) 里的减号是不是代表减法 ，其实这是个命名小误会，拆成两部分讲清楚： 一、符号本质：只是函数命名，和减法无关！ cosine - sim(u, v) 里的 - 不是数学运算的 “减号”，而是 函数名称的连接符 ，完整含义是 “c 阅读全文

摘要： from sentence_transformers import SentenceTransformerimport torch # 导入torch库model = SentenceTransformer(r'C:\Users\Administrator\.cache\huggingface\hu 阅读全文

摘要： 咱接着用大白话，把 “表示型” 和 “交互型” 文本匹配掰开揉碎了唠，结合实际场景，让你彻底明白它们的区别和门道： 一、表示型：“提前打包，快速配对” （1）工作逻辑：给文本贴 “统一标签” 想象你是个图书馆管理员，想快速给读者找书。表示型的做法是：先把图书馆里所有书的内容，用一套 “数字密码”（向 阅读全文

摘要： 这两种写法的核心区别在于 数据结构的要求 和 迭代方式： 1. for index, sentence in enumerate(sentences) 作用：遍历 sentences 列表，并同时获取元素的 索引 和 值。 数据结构要求：sentences 必须是 可迭代对象（如列表、元组、字符串） 阅读全文

摘要： 我在想这个问题，可能面试中问transformer的八股，工作不一定用到， 那我能否在自我介绍项目场景中加入一些对架构底层的优化呢 比如 Self-Attention（自注意力机制）, QKV, Multi-Head Attention, 业务开发中对这些底层的优化 帮助我赋能业务, (我的想法是在 阅读全文

摘要： 不完全对！​​冻结部分层​​和​​LoRA微调​​是两种不同的方法，虽然它们都是为了减少计算量和显存占用，但实现原理和效果差别很大。用大白话给你讲清楚区别： ​​1. 冻结部分层（Layer Freezing）​​ ​​做法​​：比如有一个12层的BERT，你​​冻住前10层​​（不让它们的参数更新 阅读全文

摘要： 这些都是传统机器学习算法： 线性回归：用于预测连续值，如根据房屋面积预测房价 ，逻辑回归是其衍生，用于分类（如判断邮件是否为垃圾邮件 ）。 决策树：通过对特征条件判断（如根据天气、温度等判断是否外出），构建树状模型做分类或回归。 随机森林：由多棵决策树组成，综合多棵树结果（如多棵树投票决定分类），提 阅读全文

摘要： #coding:utf8import torchimport torch.nn as nnimport numpy as npimport copy"""基于pytorch的网络编写手动实现梯度计算和反向传播加入激活函数"""class TorchModel(nn.Module): def __in 阅读全文

摘要： 处理 100T 级别的大数据仓库，需从 架构优化、数据分层、计算引擎、资源调度、查询优化 五个维度系统性加速，以下是具体策略： 一、架构层：分而治之，避免单点压力 1. 数据分区与分桶 按时间 / 业务维度分区：如按日期（dt=20250625）或业务线（biz=电商）分区，查询时直接过滤无关分区， 阅读全文

摘要： FAISS（Facebook AI Similarity Search）查询速度快的核心原因在于其高效的向量相似度搜索算法和针对大规模向量优化的工程实现，结合以下几个关键点理解： 一、核心加速原理：量化（Quantization）与索引结构 1. 向量量化（Vector Quantization） 阅读全文