<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[liu_chengwei的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/liu_chengwei</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; liu_chengwei]]></copyright><item><title><![CDATA[Hugging Face 的 Transformers 库快速入门 （三）必要的 Pytorch 知识]]></title><link>https://blog.youkuaiyun.com/liu_chengwei/article/details/127432916</link><guid>https://blog.youkuaiyun.com/liu_chengwei/article/details/127432916</guid><author>liu_chengwei</author><pubDate>Sat, 22 Oct 2022 21:36:21 +0800</pubDate><description><![CDATA[在上一篇《模型与分词器》中，我们介绍了Model类和Tokenizers类，尤其是如何运用分词器对文本进行预处理。Transformers 库建立在 Pytorch 框架之上（Tensorflow 的版本功能并不完善），虽然官方宣称使用 Transformers 库并不需要掌握 Pytorch 知识，但是实际上我们还是需要通过 Pytorch 的DataLoader类来加载数据、使用 Pytorch 的优化器对模型参数进行调整等等。]]></description><category></category></item><item><title><![CDATA[Hugging Face 的 Transformers 库快速入门 （二）模型与分词器]]></title><link>https://blog.youkuaiyun.com/liu_chengwei/article/details/127414043</link><guid>https://blog.youkuaiyun.com/liu_chengwei/article/details/127414043</guid><author>liu_chengwei</author><pubDate>Thu, 20 Oct 2022 13:04:40 +0800</pubDate><description><![CDATA[在上一篇文章《开箱即用的 pipelines》中，我们通过 Transformers 库提供的 pipeline 函数展示了 Transformers 库能够完成哪些 NLP 任务，以及这些 pipelines 背后的工作原理。本文将深入介绍 Transformers 库中的两个重要组件：模型（Models类）和分词器（Tokenizers类）。]]></description><category></category></item><item><title><![CDATA[Hugging Face 的 Transformers 库快速入门 （一）开箱即用的 pipelines]]></title><link>https://blog.youkuaiyun.com/liu_chengwei/article/details/126487671</link><guid>https://blog.youkuaiyun.com/liu_chengwei/article/details/126487671</guid><author>liu_chengwei</author><pubDate>Wed, 19 Oct 2022 17:40:25 +0800</pubDate><description><![CDATA[Transformers是由Hugging Face开发的一个 NLP 包，支持加载目前绝大部分的预训练模型。随着 BERT、GPT 等大规模语言模型的兴起，越来越多的公司和研究者采用 Transformers 库来构建 NLP 应用，因此熟悉 Transformers 库的使用方法很有必要。]]></description><category></category></item><item><title><![CDATA[论文阅读笔记3 A CO-INTERACTIVE TRANSFORMER FOR JOINT SLOT FILLING AND INTENT DETECTION]]></title><link>https://blog.youkuaiyun.com/liu_chengwei/article/details/123710808</link><guid>https://blog.youkuaiyun.com/liu_chengwei/article/details/123710808</guid><author>liu_chengwei</author><pubDate>Thu, 07 Jul 2022 10:58:43 +0800</pubDate><description><![CDATA[A CO-INTERACTIVE TRANSFORMER FOR JOINT SLOT FILLING AND INTENT DETECTION
Summary
local and global contexts are jointly modeled(局部和全局的上下文被联合建模).。
global view： Calculate the similarity between a certain phrase and the whole document in the vector space as tr]]></description><category></category></item><item><title><![CDATA[论文阅读笔记2—《Document-level Event Extraction via Heterogeneous Graph-based Interaction...》]]></title><link>https://blog.youkuaiyun.com/liu_chengwei/article/details/122570880</link><guid>https://blog.youkuaiyun.com/liu_chengwei/article/details/122570880</guid><author>liu_chengwei</author><pubDate>Thu, 24 Mar 2022 14:44:36 +0800</pubDate><description><![CDATA[Document-level Event Extraction via Heterogeneous Graph-based Interaction Model with a Tracker
Summary
local and global contexts are jointly modeled(局部和全局的上下文被联合建模).。
global view： Calculate the similarity between a certain phrase and the whole document in ]]></description><category></category></item><item><title><![CDATA[Python 标准库 xml.etree.ElementTree]]></title><link>https://blog.youkuaiyun.com/liu_chengwei/article/details/121940625</link><guid>https://blog.youkuaiyun.com/liu_chengwei/article/details/121940625</guid><author>liu_chengwei</author><pubDate>Fri, 14 Jan 2022 19:05:43 +0800</pubDate><description><![CDATA[注意：本文为 xml.etree.ElementTree 学习笔记，仅供自己学习使用，文中会把引用的链接附上。

文章目录前言一、ElementTree 和 Element二、XML解析1.我们将使用以下XML文档作为示例数据:2.加载数据2.读取数据总结

前言

一、ElementTree 和 Element
XML是一种固定的分层数据格式，它最自然的表示方式是树。XML有两个类——ElementTree将整个XML文档表示为树，而Element表示树中的单个节点。一般这样调用：import xml.e]]></description><category></category></item><item><title><![CDATA[LINUX服务器配置]]></title><link>https://blog.youkuaiyun.com/liu_chengwei/article/details/121658395</link><guid>https://blog.youkuaiyun.com/liu_chengwei/article/details/121658395</guid><author>liu_chengwei</author><pubDate>Wed, 01 Dec 2021 17:22:31 +0800</pubDate><description><![CDATA[Nvidia-RTX3090-Linux 服务器安装配置
仅供个人学习使用，参考总结了一些文档，在下面内容中会注释。

文章目录Nvidia-RTX3090-Linux 服务器安装配置前言一· 安装Ubutu:20.04.3二· Nvidia显卡驱动安装三. 安装Openssh-server，以及adduser


前言
本文是实验室服务器安装与配置
(驱动下载：https://www.nvidia.cn/Download/driverResults.aspx/47576/cn/)，(Ubuntu20.04]]></description><category></category></item><item><title><![CDATA[Pytorch学习-TORCH.NN]]></title><link>https://blog.youkuaiyun.com/liu_chengwei/article/details/115552603</link><guid>https://blog.youkuaiyun.com/liu_chengwei/article/details/115552603</guid><author>liu_chengwei</author><pubDate>Sun, 11 Apr 2021 20:00:25 +0800</pubDate><description><![CDATA[Pytorch学习:TORCH.NN文档翻译
仅供个人学习使用，参考总结了一些文档，在下面内容中会注释。

文章目录Pytorch学习:TORCH.NN文档翻译前言WHAT IS TORCH.NN REALLY?一· MNIST数据下载二. 神经网络从无到有 (no torch.nn)三. 使用torch.nn.functional2.torchtext.vocab.Vectors2.torchtext.vocab.GloVe三、torchtext.datasets四、举个栗子torchtext预处理流程F]]></description><category></category></item><item><title><![CDATA[Pytorch学习-torchtext]]></title><link>https://blog.youkuaiyun.com/liu_chengwei/article/details/115299789</link><guid>https://blog.youkuaiyun.com/liu_chengwei/article/details/115299789</guid><author>liu_chengwei</author><pubDate>Wed, 31 Mar 2021 00:04:32 +0800</pubDate><description><![CDATA[torchtext学习
供个人学习使用，参考总结了一些文档，在下面内容中会引出来。

文章目录torchtext学习前言一、pandas是什么？二、使用步骤1.引入库2.读入数据总结


前言
提示：这里可以添加本文要记录的大概内容：
例如：随着人工智能的不断发展，机器学习这门技术也越来越重要，很多人都开启了学习机器学习，本文就介绍了机器学习的基础内容。

提示：以下是本篇文章正文内容，下面案例可供参考
一、pandas是什么？
示例：pandas 是基于NumPy 的一种工具，该工具是为了解决数据分析任务]]></description><category></category></item><item><title><![CDATA[torchtext 文档翻译]]></title><link>https://blog.youkuaiyun.com/liu_chengwei/article/details/106869812</link><guid>https://blog.youkuaiyun.com/liu_chengwei/article/details/106869812</guid><author>liu_chengwei</author><pubDate>Mon, 29 Mar 2021 13:53:49 +0800</pubDate><description><![CDATA[我的NLP入门之路大半年的摸爬滚打新的改变功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入
大半年的摸爬滚打
2019年的9月。
新的改变
我们对Markdown编辑器进行了一些功能拓展与语法支持，除了标准的Markdown编辑器功]]></description><category></category></item><item><title><![CDATA[linux系统下配置anaconda环境]]></title><link>https://blog.youkuaiyun.com/liu_chengwei/article/details/110227506</link><guid>https://blog.youkuaiyun.com/liu_chengwei/article/details/110227506</guid><author>liu_chengwei</author><pubDate>Fri, 27 Nov 2020 12:29:01 +0800</pubDate><description><![CDATA[linux系统下配置anaconda环境
非管理员权限配置：
vim ./bashrc 进入个人配置文件
然后 按下i键，在最后写入：
#Anaconda
export PATH=/home/cwliu/anaconda3/bin:$PATH
/home/cwliu/anaconda3/bin 换成你自己的路径


]]></description><category></category></item><item><title><![CDATA[LTP安装遇到的问题]]></title><link>https://blog.youkuaiyun.com/liu_chengwei/article/details/110203983</link><guid>https://blog.youkuaiyun.com/liu_chengwei/article/details/110203983</guid><author>liu_chengwei</author><pubDate>Thu, 26 Nov 2020 20:47:04 +0800</pubDate><description><![CDATA[LTP安装遇到的问题

升级 pip
pip install --upgrade pip

]]></description><category></category></item></channel></rss>