07 2022 档案

摘要: 阅读全文
posted @ 2022-07-31 10:33 Hisi 阅读(85) 评论(0) 推荐(0) 编辑
摘要:假设我有如下三维tensor: matrix = torch.tensor([ [ [1,2,3], [4,5,6] ], [ [2,3,4], [5,6,7] ] ]) 索引方法为: matrix[ [ [0], [1] ], [ [0,1], [1,1] ], [ [2,1], [1,2] ] 阅读全文
posted @ 2022-07-13 10:23 Hisi 阅读(44) 评论(0) 推荐(0) 编辑
摘要:一句话:我设定一些特征函数,就是一些规则(见第一篇链接),然后优化模型,使得实际解在这些规则下成为最优解的可能性最大,其余所有的可能解的成为模型给出的解的可能性最小。HMM模型是一种CRF,也就是说,如果CRF的特征函数设定为HMM假设(https://zhuanlan.zhihu.com/p/70 阅读全文
posted @ 2022-07-12 21:38 Hisi 阅读(79) 评论(0) 推荐(0) 编辑
摘要:https://medium.com/nlplanet/two-minutes-nlp-quick-intro-to-question-answering-124a0930577c 阅读全文
posted @ 2022-07-12 20:55 Hisi 阅读(11) 评论(0) 推荐(0) 编辑
摘要:在某些情况下,如果你想对一个被包起来的二维数组集合里面的每一个二维数组做转置,那么就可以用torch.permute这个函数,其能够实现批量转置操作,现在让我们来看看这个函数中的维度变换的原理。 比如对于一个三维矩阵: M = torch.tensor([ [[2, 5], [3, 4]], [[2 阅读全文
posted @ 2022-07-06 16:08 Hisi 阅读(1743) 评论(0) 推荐(0) 编辑