最近的困惑

本文探讨了大学生在IT领域的学习方向选择问题,强调了专注于一项技术的重要性,并提到了C语言、JAVA等主流编程语言及相关的数据库和算法知识。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

我发现我有很多困惑,有很多问题,很多疑惑不知道该去问谁,也许我想的太多,但是我不喜欢漫无目的的去做一件事,更不喜欢随波逐流,
但是我自己又不能判断方向,我常常被这些困惑弄的很苦恼,有些想逃避,零碎的片段,没有一根线把他们串起来,会很乱,对我来说。
下面一段话摘自百度知道:
想学语言,最好找个自己喜欢的,C语言做程序用的最多,JAVA做网页用的最多,这是最主流的两种语言。找一个自己喜欢的,从现在就开始研究
,其他课程和这两门语言有关联的,比如数据库,算法的设计与分析之类,要学精,其他的课程过科就行,没必要深学。大学所学的全都是基础知
识,如果你光靠大学学那点东西,大学出来还没有一个普通培训机构出来的人强,都是上不了手,都要在社会上学几年。你如果从现在开始就把自
己要学的分出方向来,4年以后毕业就能上手,找到工作就能干活。搞IT赚钱还是贼快滴!每个人上大学的时候都是立了一个大志,但是能持之以
恒坚持学习的并不多,大学没什么约束,可以逃课,MM,GG们穿的衣服又少诱惑又多!4年下来一闭眼睛一片空白的人很多。如果你能学到一项
很精的技术,就可以了!

c语言,数据库,算法,手机,通信,操作系统……
随笔
### 困惑度 (Perplexity) 在自然语言处理领域,困惑度是一种衡量语言模型预测能力的指标。具体来说,它是用来评估一个概率分布或语言模型好坏程度的一种方式[^1]。较低的困惑度意味着模型能够更准确地预测下一个词的概率。 困惑度可以通过以下公式计算: \[ PP(W) = \left( \prod_{i=1}^{n} P(w_i | w_1, w_2, ..., w_{i-1})^{-1/n} \right)^{-1} \] 其中 \(P(w_i | w_1, w_2, ..., w_{i-1})\) 表示给定前面词语的情况下当前词语的概率,\(n\) 是序列长度。该公式的含义是对整个语料库中的每个单词条件概率取倒数并开根号后的平均值[^2]。 --- ### BLEU 分数 BLEU(Bilingual Evaluation Understudy)分数是用来评价机器翻译质量的一个标准。它通过比较候选译文与参考译文之间的 n-gram 重叠情况来量化翻译的质量[^3]。 #### 定义 BLEU 的核心思想是比较两个句子中相同片段的数量,并考虑其精确匹配的程度以及句子的整体长度惩罚因子。它的定义如下: \[ BLEU = BP \cdot exp\left(\sum_{n=1}^N w_n \log p_n\right) \] - **BP**: Brevity Penalty(简洁性惩罚),当候选句较短时会受到额外惩罚。 如果 \(c\) 是候选句子长度而 \(r\) 是最近参考句子长度,则 \[ BP = \begin{cases} 1 & \text{if } c > r \\ e^{1-r/c} & \text{otherwise}. \end{cases} \] - **pₙ**: 对于不同长度的 n-grams (\(n=1,...,N\)),分别统计它们在参考文本和生成文本间的精度得分。 以下是 Python 实现 BLEU 计算的一个简单例子: ```python from nltk.translate.bleu_score import sentence_bleu reference = [['this', 'is', 'a', 'test'], ['this', 'is' ,'another', 'test']] candidate = ['this', 'is', 'a', 'test'] score = sentence_bleu(reference, candidate) print(score) ``` 此代码利用 NLTK 库实现了单个句子级别的 BLEU 值计算功能。 ---
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