- 博客(6)
- 收藏
- 关注
RSS订阅原创 学习心得4
print("A类样本数量：%d, B类样本数量：%d, C类样本数量：%d"%(y.tolist().count(0), y.tolist().count(1), y.tolist().count(2)))print("=========\n第%d轮平均loss:%f" % (epoch + 1, np.mean(watch_loss)))print(int(torch.argmax(result[i])), input_string, result[i]) #打印结果。
2024-08-18 22:34:41
338
翻译 学习心得3
self.num_layers = 1 #注意这里的层数要跟预训练config.json文件中的模型层数一致。x = np.array([2450, 15486, 102, 2110]) #假想成4个字的句子。# token type embedding,单输入的情况下为[0, 0, 0, 0]# position embeding的输入 [0, 1, 2, 3]#取出该层的参数，在实际中，这些参数都是随机初始化，之后进行预训练。#执行全部的transformer层计算。
2024-08-11 22:03:17
33
原创 学习心得3
x, y = build_dataset(batch_size, vocab, window_size, corpus) #构建一组训练样本。print("=========\n第%d轮平均loss:%f" % (epoch + 1, np.mean(watch_loss)))optim = torch.optim.Adam(model.parameters(), lr=0.001) #建立优化器。print(bert.state_dict().keys()) #查看所有的权值矩阵名称。
2024-08-09 07:54:26
735
原创 学习心得2
model = load_word2vec_model(r"F:\Desktop\work_space\badou\八斗课程\week5 词向量及文本向量\model.w2v") #加载词向量模型。father_node = self.merge_node(node_list[i1], node_list[i2]) # 合并最小的两个节点。self.word_count = len(wordid_frequency_dict) # 单词数量。
2024-08-05 07:59:02
700
原创 学习记录1
print("输入：%s, 预测类别：%d, 概率值：%f" % (input_string, round(float(result[i])), result[i])) # 打印结果。print("==============\n第%d轮平均loss值为：%f"%(i+1,np.mean(watch_loss)))print("本次预测集中共有%d个正样本，%d个负样本" % (sum(y), 200 - sum(y)))#每一轮 epoch的循环。#用来测试每一轮的模型准度。
2024-07-25 14:40:52
271
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人