摘要：
static_cast<> 在 C++ 中是一种用于执行显式类型转换的运算符，它在编译时检查类型转换的有效性，比 C 风格的强制转换（如 (int)x）提供了更强的类型检查。 基本类型之间的转换 用于基本数据类型（如 int、float、double 等）之间的转换，使得不同类型的数据可以进行操作。 阅读全文
摘要：
窗口大小固定：串联所有单词的子串https://leetcode.cn/problems/substring-with-concatenation-of-all-words/description/?envType=study-plan-v2&envId=top-interview-150 窗口大小 阅读全文
摘要：
例题： 三数之和：https://leetcode.cn/problems/3sum/description/?envType=study-plan-v2&envId=top-interview-150 盛最多水的容器：https://leetcode.cn/problems/container-w 阅读全文
摘要：
准确率（accuracy）是指模型正确预测的样本数与总样本数之比。它衡量了模型对所有样本的分类准确程度。准确率计算公式如下： 准确率 = (真阳性 + 真阴性) / (真阳性 + 假阳性 + 真阴性 + 假阴性) 精确度（precision）是指模型在预测为正例的样本中，真正例的比例。它衡量了模型在 阅读全文
摘要：
网站选择 格式输出 BeautifulSoup库 tag.string 返回的是标签内的字符串内容，如果标签内只有一个字符串，那么 tag.string 就会返回这个字符串；如果标签内还包含其他标签，那么 tag.string 就可能返回 None。 tag.text 返回的是标签内所有字符串内容的 阅读全文
摘要：
requests库的几种方法 其他几个方法内部实际都调用了requests.request()方法 Response对象的属性 首先要使用r.status_code判断连接是否成功。 Request库的异常 爬取网页的通用代码 需要处理异常，使爬取网页变得更有效、可靠、稳定。 HTTP 无状态：第一 阅读全文
摘要：
原始的BERT有两个版本，其中基本模型有1.1亿个参数，大模型有3.4亿个参数。 在预训练BERT之后，我们可以用它来表示单个文本、文本对或其中的任何词元。 在实验中，同一个词元在不同的上下文中具有不同的BERT表示。这支持BERT表示是上下文敏感的。 阅读全文
摘要：
为了预训练 14.8节中实现的BERT模型，我们需要以理想的格式生成数据集，以便于两个预训练任务：遮蔽语言模型和下一句预测。一方面，最初的BERT模型是在两个庞大的图书语料库和英语维基百科（参见 14.8.5节）的合集上预训练的，但它很难吸引这本书的大多数读者。另一方面，现成的预训练BERT模型可能 阅读全文
摘要：
我们已经介绍了几种用于自然语言理解的词嵌入模型。在预训练之后，输出可以被认为是一个矩阵，其中每一行都是一个表示预定义词表中词的向量。事实上，这些词嵌入模型都是与上下文无关的。让我们先来说明这个性质。 从上下文无关到上下文敏感 ELMo（Embeddings from Language Models） 阅读全文