摘要：
知乎 cat /usr/local/cuda/version.txt # 显示结果：CUDA Version 10.0.130 # CUDA 10.0 conda install pytorch==1.2.0 torchvision==0.4.0 cudatoolkit=10.0 -c pytorc 阅读全文
摘要：
软件工具备份 latex画表格： https://www.latex-tables.com/ 阅读全文
摘要：
信息量 熵：对所有可能事件所带来的信息量求期望 交叉熵：衡量两个分布更相似否？（在大小上，类似于点积） 它主要刻画的是实际输出（概率）与期望输出（概率）的距离，也就是交叉熵的值越小，两个概率分布就越接近。 参考文献 引言 在使用pytorch深度学习框架，计算损失函数的时候经常会遇到这么一个函数： 阅读全文
摘要：
集合{ri}表示索引集合，i从0到n。 chrome-extension://ikhdkkncnoglghljlkmcimlnlhkeamad/pdf-viewer/web/viewer.html?file=https%3A%2F%2Faclanthology.org%2F2022.acl-long 阅读全文
摘要：
简书 阅读全文
摘要：
cp -r `ls |grep -v -E "random_result|log"|xargs` ../../Fl/V1 阅读全文
摘要：
参考博客 阅读全文
摘要：
csdn CrossEntropyLoss 等价于 softmax+log+NLLLoss LogSoftmax等价于softmax+log # 首先定义该类 loss = torch.nn.CrossEntropyLoss() #然后传参进去 loss(input, target) input维度 阅读全文
摘要：
label_to_id: B-LOC 0 B-ORG 1 B-PER 2 I-LOC 3 I-ORG 4 I-PER 5 O 6 dict->txt with open('data/label_dict.txt', 'w') as dict_f: for k, v in label_to_id.it 阅读全文
摘要：
logit[2,3] tensor(0.6992, device='cuda:0', grad_fn=<SelectBackward>) logit[[2,3]] tensor([[ 0.0344, -0.3932, -0.1510, 0.6992, -0.1125, 0.1510, -0.1140 阅读全文
摘要：
讲解 对比学习论文中出现： # compute logits # Einstein sum is more intuitive # positive logits: Nx1 l_pos = torch.einsum('nc,nc->n', [q, k]).unsqueeze(-1) # negati 阅读全文