15375357604

摘要： https://blog.csdn.net/qq_30868737/article/details/108629374 阅读全文

摘要： # File model.py # -*- coding: utf-8 -*- import torch import os from torch import nn from transformers import BertForSequenceClassification, BertConfig 阅读全文

摘要： from transformers import BertTokenizer tokenizer = BertTokenizer.from_pretrained('bert-base-cased') example_text = 'I will watch Memento tonight' bert 阅读全文

摘要： 1.安装docker TensorFlow Serving的安装推荐使用docker，所以必须先安装docker。docker安装命令请参考官网页面。 Install Docker Engine on Ubuntu | Docker Documentation 2.安装nvidia-docker 接 阅读全文

摘要： nlp面试 GitHub - km1994/NLP-Interview-Notes: 该仓库主要记录 NLP 算法工程师相关的面试题 tfserving 调用deepfm 并预测 java 【参考】 - 江枫1 - 博客园 (cnblogs.com) 通过grpc调用tfserving模型（pyth 阅读全文

摘要： 模型默认的Feature Importance存在什么问题？ Feature Importance的本质是训练好的模型对变量的依赖程度，它不代表变量在unseen data（比如测试集）上的泛化能力。特别当训练集和测试集的分布发生偏移时，模型默认的Feature Importance的偏差会更严重。 阅读全文

摘要： https://www.jb51.net/article/221602.htm export PATH="/root/anaconda3/bin:$PATH"export PYTHONPATH=/root/Anaconda3/lib/python3.8/site-packages:$PYTHONPA 阅读全文

摘要： itemvec召回： Item2vec的思路是将用户行为序列作为语料，训练word2vec模型，是根据用户行为来计算item之间的相关关系，但是还有一类相似，则是需要通过字面上（标题，描述，一级二级品类）的语义相似来判断，类比item2vec的思路，语义上的相似性计算则需要把商品的标题，描述，一级品 阅读全文

摘要： 装饰器安排作业 如果你觉得设定作业这种形式太啰嗦了，也可以使用装饰器模式： from schedule import every, repeat, run_pending import time # 此装饰器效果等同于 schedule.every(10).minutes.do(job) @repe 阅读全文

摘要： 01 关于SUG https://zhuanlan.zhihu.com/p/72950840 在讲具体如何衡量一个SUG效果之前，大家要先了解SUG是怎么做的，然后才好去看怎么衡量它做的效果。 SUG和搜索的流程非常类似。搜索的大概流程： 用户输入关键词 关键词分析，明确搜索意图 根据意图召回满足条 阅读全文