zae

摘要： import uuid uuid_str = uuid.uuid4().hex tmp_file_name = 'tmpfile_%s.txt' % uuid_str print tmp_file_name 阅读全文

摘要： 准确率(Accuracy)、精确率(Precision)和召回率(Recall)的区别 数量 对于一个二分类问题，我们定义如下指标： ：True Positive，即正确预测出的正样本个数 ：False Positive，即错误预测出的正样本个数（本来是负样本，被我们预测成了正样本） ：True N 阅读全文

摘要： (Pdb) sample [['SOCCER', 'O'], ['-', 'O'], ['JAPAN', 'B-LOC'], ['GET', 'O'], ['LUCKY', 'O'], ['WIN', 'O'], ['CHINA', 'B-PER'], ['IN', 'O'], ['SURPRISE 阅读全文

摘要： torch.masked_select用于截取valid的标签太好用了: pred=torch.tensor([2,3,4,5]) mask=torch.ByteTensor([1,1,0,0]) torch.masked_select(pred,mask) # deprecated, 用bool值 阅读全文

摘要： 一、BMES 四位序列标注法 B表示一个词的词首位值，M表示一个词的中间位置，E表示一个词的末尾位置，S表示一个单独的字词。 我/S 是/S 广/B 东/M 人/E （符号标注，‘东’是‘广’和‘人’的中间部分，凑成‘广东人’这个实体） 我/ 是/ 广东人/ （标注上分出来的实体块） 二、BIO 三 阅读全文

摘要： 函数作用 torch.where()函数可以是按照给定的条件合并两个tensor； 条件满足的位置取前者，否则取后者。 代码示例 >>> import torch >>> a=torch.randn(3,5) >>> b=torch.ones(3,5) >>> a tensor([[-0.0310, 阅读全文

摘要： 每个通道上（单独计算，最后concat），一个batch内的所有样例的所有像素都参与平均。全连接中，是每个特征位置的所有scalar数值都参与求平均；卷积层中，是每个channel是一个特征，所有batchsz个样例里面的h*w个像素点矩阵作为全连接中的一个元素（一个feature上的scalar） 阅读全文

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： M1,M2,M3是形状相同（任意维度和形状都可以，记为shape）的index matrix。 M1的元素是0，1；M2取值于[0:8],M3取值于[0:768] 在data的形状为torch.Size([2, 8, 768])的数据中，取出data[M1,M2,M3]。其形状就是shape，其实就 阅读全文

摘要： X的维度： torch.Size([64, 10, 32]) batchsz=64,seq_len=10,dim=32。 其实很好理解啊，X的维度是[64, 10, 32]；所以valid_lens要mask它啊，所以，肯定是（64,10），现在 裂变成4个head，所以就是(256,10)。 pa 阅读全文