Self-entertainment (自娱自乐)

最新推荐文章于 2024-05-10 16:51:20 发布
原创 最新推荐文章于 2024-05-10 16:51:20 发布 · 763 阅读 · 1 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文通过一首歌词形式的内容探讨了自娱自乐的重要性，并强调个人幸福很多时候需要依靠自我创造。文中提到除了酒精和香烟之外，还需要另一个精神世界来获得真正的快乐。
自娱自乐Self-entertainment 我不知道什么是寂寞Loneliness is nothing to me 深夜与凌晨同样精彩I have my fancy midnight and down只要我的双手存在I can get happiness alone那么我就能得道自己的快乐Cause I have my hands with me不过Yes除了酒精和香烟I need another world我还需要另一个世界besides alcohol and cigaretter假若你告诉我Don't you know你不懂得自娱自乐what is self-entertainment?那么 我告诉你Then I tell you,girl其实大多数的高潮You are the last one最后还得靠自己!who makes you high!
lmlxj
关注
机器学习13 -- 无监督学习之自监督 self-supervised
谢杨易的博客
09-12 1万+
1 为什么要自监督学习 self-supervised learning 自监督学习是无监督学习的一种特殊方式。我们在无监督学习中讲过了，标注label是十分宝贵的，一般需要人工打标，时间和人力成本都十分高昂。但现实中，获取无标注data确实相对比较easy的事情。我们可以在网络上爬取很多很多的文本、图片、语音、商品信息等。如何利用这些无标注data，一直以来都是无监督学习的一个重要方向。而自监督学习则给出了一种解决方案。 自监督学习通过data的一部分，来predict其他部分，由自身来提供监督信号，
李宏毅机器学习：self-attention（自注意力机制）和transformer及其变形
iwill323的博客
10-20 6482
self-attention，transformer及变形
自娱自乐~~
wshxbqq的专栏
02-24 564
http://www.sjzstudent.com 自己写的程序，没人顶。自己来顶。。
数组
Zyyy_7的博客
09-18 917
目标： 1.理解数组的作用 2.掌握数组的概念 3.掌握数组的基本使用 4.掌握数组的常用操作 1.数组的作用 需求：计算一个班级的10名学生的平均成绩 这种方法非常的麻烦！ 上面的方法的确简化了变量定义，也很好的用到了循环。但是如果现在要求你拿到第 28个学生的成绩！在上方的方法里你能拿到吗？因为在这个过程中，循环中的成绩变量是临时的，无法作为后 续复用。所以我们需要寻求存储数据的新方式！ ...
java 有三个班级各四名_有 3 个班级各 4 名学员参赛,使用二重循环计算每个班级参赛学员的平均分。_学小易找答案...
weixin_35656580的博客
02-16 2025
【简答题】从键盘读入 10 个整数,统计正数、负数和零的个数【简答题】编程实现以下任务:从键盘获取两个数num1和num2,对num1和num2交换后进行输出。 将编程代码和结果截图插入答案窗格。【简答题】在上一题的基础上改进:在上一个练习中得到的升序字符序列中插入一个新的字符,要求插入之后字符序列仍保持有序.【简答题】使用while语句编写一个程序,实现整数反转,例如原来的整数是4562,反转后...
自娱
z278718149的专栏
03-24 428
今天没事就玩了会flash，并且还是第一次接触，就在网上搜了下下视频，然后我就按着视频画鸡蛋，不过还是没画好，但是感觉挺好玩的，我以后没事或者心烦的时候就可以flash玩玩，嘿嘿...如果谁有好看的视频可以推荐给我看看哦，因为我今天想在网上下载来着，可是就是找不到合适的，我现在安装的是Flash CS3，谢谢你们哦
猜数游戏题
qq_73208182的博客
11-03 152
有一个数列：8，4，2，1，23，344，12。盘中任意输入一个数据，判断数列中是否包含数。求数列中所有数值的和。
Transformer模型详解03-Self-Attention（自注意力机制）
liaomin416100569的专栏
05-10 3934
下图是论文中 Transformer 的内部结构图，左侧为 Encoder block，右侧为 Decoder block。红色圈中的部分为 Multi-Head Attention，是由多个 Self-Attention组成的，可以看到 Encoder block 包含一个 Multi-Head Attention，而 Decoder block 包含两个 Multi-Head Attention (其中有一个用到 Masked)。
NLP学习—21.自注意力机制（Self-Attention）与Transformer详解
柳杰的博客
09-02 1万+
文章目录引言一、Structure of Transformers二、Encoder Structure三、Self-attention and multi-head self-attention1.Self-attention2.multi-head self-attention四、Residuals , Add and Layer-Normalization五、Decoder structure of Transformer六、Mask self-attention七、 Encoder-decoder
自训练Self-Training学习总结
Pistachiout的学习博客
04-13 1万+
Self-training是最简单的半监督方法之一，其主要思想是找到一种方法，用未标记的数据集来扩充已标记的数据集。即首先用有标签数据训练一个分类器，然后用这个分类器对无标签数据进行分类，这样就会产生伪标签（pseudo label）或软标签（soft label），挑选一定标准的伪标签样本用来迭代训练分类器。使用场景：在现实生活中得到大量有标签数据需要大量时间经历，而自训练是有标签数据+无标签数据混合成的训练数据中使用的深度学习算法，可以利用自训练方法对无标记数据进行标记，实现己标记数据的扩充。
比特铃高清视频转换器
07-04
比特铃手机DIY大师-手机视频转换软件，可以转换目前市面上的所有视频格式，速度快，不失真，免注册哟！！！！！
有一个数列(1)循环输出数列的值(2)求数列中所有数值的和(3)猜数游戏：从键盘中任意输入一个数据，判断数列中是否包含次数
左本Web3D
10-17 1万+
package tag; import java.util.Scanner; /* * 有一个数列：8,4,2,1,23,344,12 * */ public class Test2 { public static void main(String[] args) { /* * 循环输出数列的值 */ int[] number = { 8, 4, 2, 1, 2
Java循环输出数列的值_2.第三单元任务一实训：有一个数列：8、4、2、1、23、344、12，编辑实现以下功能。循环输出数列的值；求数列中所有数值的和；猜数游戏：从键盘中任意输入一个数据，判断数列...
weixin_32666923的博客
02-28 2596
2.第三单元任务一实训：有一个数列：8、4、2、1、23、344、12，编辑实现以下功能。循环输出数列的值；求数列中所有数值的和；猜数游戏：从键盘中任意输入一个数据，判断数列中是否包含该数。import java.util.Scanner;public class ArrayTest {public static void main(String[] args) {//数组初始化int[] lis...
[2]C语言循环练习
weixin_41750142的博客
11-03 380
打印100~200之间的素数 思路：素数即该数除了1和它本身以外没有别的因数，考虑它对从2到它的前一位数依次进行取余，若余数为0，则说明它有其他因数，即不是素数。用变量“tag”判断是否有其他因数。 #include <stdio.h> #include <stdlib.h> int main() { int i, j, tag; for (i = 100; i &...
数列（sequence） 题解
OIer
10-20 1831
数列（sequence） 【问题描述】 虽然msh长大了，但她还是很喜欢找点游戏自娱自乐。有一天，她在纸上写了一串数字：1，1，2，5，4。接着她擦掉了一个1，结果发现剩下1，2，4都在自己所在的位置上，即1在第1位，2在第2位，4在第4位。她希望擦掉某些数后，剩下的数列中在自己的位置上的数尽量多。她发现这个游戏很好玩，于是开始乐此不疲地玩起来……不过她不能确定最后能有多少个数在自己的位置上，
C语言入门第十二篇，数组练习题
N1neSun的博客
09-30 5881
1.编写一个程序，手动输入一个3行4列的二维数组，并像表格一样排列打印出来#include<stdio.h>int main() { int i,j; int a[3][4]; for(i=0;i<3;i++) { for(j=0;j<4;j++) { scanf("%d",&a[i][j]);
3.第二单元任务五实训：通过程序设计几何图形接口（Shape），实现类矩形（Rectangle）、圆形（Circle）、正方形（Square）几种类型，能够利用接口和多态性计算几何图形的面积和周长并显
热门推荐
Pre_wen
07-21 1万+
3.第二单元任务五实训：通过程序设计几何图形接口（Shape），实现类矩形（Rectangle）、圆形（Circle）、正方形（Square）几种类型，能够利用接口和多态性计算几何图形的面积和周长并显示。 public class ShapeTest {        publicstatic void print(Shape shape){               System.out
第一个c语言实现的猜数字游戏
weixin_33860528的博客
11-04 139
#include<stdio.h> #include<Windows.h> #include<stdlib.h> #include<stdio.h> #include<Windows.h> #include<stdlib.h> #include<time.h> voidoutp...
Self-Attention（自注意力机制）代码
最新发布
03-01
### Self-Attention（自注意力机制）代码实现 为了更好地理解并实现自我注意力机制，下面提供了一个基于PyTorch框架的简单版本。此实现涵盖了查询（Q）、键（K）、值（V）三个核心组件以及它们之间的交互方式。 ```python import torch import torch.nn as nn import math class ScaledDotProductAttention(nn.Module): """Scaled dot-product attention mechanism.""" def __init__(self, d_k): super(ScaledDotProductAttention, self).__init__() self.d_k = d_k def forward(self, Q, K, V, attn_mask=None): # 计算注意力得分 scores: [batch_size, n_heads, seq_len, seq_len] scores = torch.matmul(Q, K.transpose(-1, -2)) / math.sqrt(self.d_k) # 如果提供了掩码，则应用掩码 if attn_mask is not None: scores.masked_fill_(attn_mask, -1e9) # 应用softmax函数得到权重分布 attn_weights = nn.Softmax(dim=-1)(scores) # 加权求和获得输出 output = torch.matmul(attn_weights, V) return output, attn_weights class MultiHeadAttention(nn.Module): """Multi-head self-attention layer""" def __init__(self, d_model, num_heads): super(MultiHeadAttention, self).__init__() assert d_model % num_heads == 0, "d_model must be divisible by num_heads" self.num_heads = num_heads self.d_k = d_model // num_heads # 定义线性变换层用于生成QKV self.W_Q = nn.Linear(d_model, d_model) self.W_K = nn.Linear(d_model, d_model) self.W_V = nn.Linear(d_model, d_model) self.fc_out = nn.Linear(d_model, d_model) def split_heads(self, x, batch_size): """ 将输入张量拆分为多个头，并调整维度顺序以便后续操作. 输入形状:[batch_size, seq_length, embed_dim] -> 输出形状:[batch_size, num_heads, seq_length, depth] """ x = x.view(batch_size, -1, self.num_heads, self.d_k).transpose(1, 2) return x def combine_heads(self, x): """ 合并多头后的特征表示. 输入形状:[batch_size, num_heads, seq_length, depth]-> 输出形状:[batch_size, seq_length, embed_dim] """ x = x.transpose(1, 2).contiguous().view(x.size(0), -1, self.num_heads * self.d_k) return x def forward(self, Q, K, V, mask=None): batch_size = Q.size(0) # 对Q,K,V做线性变换后再分头处理 Q = self.split_heads(self.W_Q(Q), batch_size) K = self.split_heads(self.W_K(K), batch_size) V = self.split_heads(self.W_V(V), batch_size) # 使用缩放点积注意力机制计算加权平均值 out, _ = ScaledDotProductAttention(self.d_k)(Q, K, V, mask) # 合并各头部的结果并通过全连接层映射回原始维度空间 out = self.combine_heads(out) out = self.fc_out(out) return out ``` 上述代码实现了单个标度点乘法注意力模块及其扩展形式——多头注意力机制[^1]。通过这种方式可以有效地捕捉序列数据中的长期依赖关系，在自然语言处理等领域取得了显著效果。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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