test feeling

 

关于精神的话题 

精神是一种心理暗示。我觉的人基本上具备所有精神的潜力。也就是说,我们觉的某些人不可思议(指精神)。其实,我们也是有的,只是说他/她是否适时适地被充分的调用。精神算是一种人类拥有的强大的力量,这是勿庸致疑的。如果把精神看作是一种物质(生物)的话,她也包括物质应该有的特性。成长环境,气温,气压等等都会对其产生影响。这里是关于生物的再次概述,以便对精神的更好理解,从而更好的掌控自己。我们通常说的要战胜自己,不就是更好的掌控自己吗!

这里是一些需要理解的词:不同的人,不同精神的人,伟人,平民百姓,幸福的人,痛苦的人,男人,女人。

行为是由精神决定的,精神总是通过这样的一种模式传达信息并指导行为的。我们还是从生活中找出一些例子,比如,我们常说:“我不想那样做,只是控制不了自己。”或说:“我一时昏了头,就那样做了”要么会思前想后,犹豫不决。

 

``` import pandas as pd from transformers import TFBertModel, BertTokenizer seed_value = 29 import os os.environ['PYTHONHASHSEED'] = str(seed_value) import random random.seed(seed_value) import numpy as np np.random.seed(seed_value) np.set_printoptions(precision=2) import tensorflow as tf tf.random.set_seed(seed_value) import tensorflow_addons as tfa import tensorflow.keras as keras import tensorflow.keras.layers as layers from tensorflow.keras.callbacks import ModelCheckpoint import re import matplotlib.pyplot as plt from sklearn.metrics import auc, roc_curve device_name = tf.test.gpu_device_name() if device_name != '/device:GPU:0': raise SystemError('GPU device not found') print('Found GPU at: {}'.format(device_name)) N_AXIS = 4 MAX_SEQ_LEN = 128 BERT_NAME = 'bert-base-uncased' ''' EMOTIONAL AXES: Introversion (I) – Extroversion (E) Intuition (N) – Sensing (S) Thinking (T) – Feeling (F) Judging (J) – Perceiving (P) ''' axes = ["I-E","N-S","T-F","J-P"] classes = {"I":0, "E":1, # axis 1 "N":0,"S":1, # axis 2 "T":0, "F":1, # axis 3 "J":0,"P":1} # axis 4 def text_preprocessing(text): text = text.lower() text = re.sub('\[.*?\]', '', text) text = re.sub('https?://\S+|www\.\S+', '', text) text = re.sub('<.*?>+', '', text) text = re.sub('\n', '', text) text = re.sub('\w*\d\w*', '', text) text.encode('ascii', 'ignore').decode('ascii') if text.startswith("'"): text = text[1:-1] return text train_n=6624 val_n=1024 test_n=1024 data = pd.read_csv("mbti_1.csv") data = data.sample(frac=1) labels = [] print(data) for personality in data["type"]: pers_vect = [] for p in personality: pers_vect.append(classes[p]) labels.append(pers_vect) sentences = data["posts"].apply(str).apply(lambda x: text_preprocessing(x)) labels = np.array(labels, dtype="float32") train_sentences = sentences[:train_n] y_train = labels[:train_n] val_sentences = sentences[train_n:train_n+val_n] y_val = labels[train_n:train_n+val_n] test_sentences = sentences[train_n+val_n:train_n+val_n+test_n] y_test = labels[train_n+val_n:train_n+val_n+test_n] def prepare_bert_input(sentences, seq_len, bert_name): tokenizer = BertTokenizer.from_pretrained(bert_name) encodings = tokenizer(sentences.tolist(), truncation=True, padding='max_length', max_length=seq_len) input = [np.array(encodings["input_ids"]), np.array(encodings["attention_mask"]), np.array(encodings["token_type_ids"])] return input```解释代码
04-02
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值