- 博客(18)
- 收藏
- 关注
RSS订阅原创 Obsidian 使用，免费云同步方案与解决报错
Obsidian启动失败的解决方法：当点击后出现蓝色圆圈但无响应时，可通过修改快捷方式属性解决。具体步骤为：右键桌面Obsidian图标→属性→在目标路径的双引号后添加"-no-sandbox"（注意加空格）。该方法适用于Win11系统下报错"GPUprocessexitedunexpectedly:exit_code=-1073741515"的情况。此外，用户还提及可通过RemotelySave插件配合坚果云实现电脑与手机端的Obsidian同步。
2025-11-09 20:47:12
282
原创 研0找实习【学nlp】15---我的后续，总结（暂时性完结）
学习了自然语言处理的基本概念和技术，包括文本预处理、特征提取、模型训练和评估等。掌握了常用的 NLP 任务，如文本分类、情感分析、命名实体识别等。编程语言：熟练使用 Python 进行数据处理和模型开发。深度学习框架：掌握 PyTorch 和 Hugging Face Transformers 库。自然语言处理：具备 NLP 任务的理论基础和实践经验。计算机视觉：了解表情识别的基本原理和实现方法。环境管理：熟悉使用虚拟环境和依赖管理工具。
2024-11-25 16:30:38
756
原创 研0找实习【学nlp】14--BERT理解
BERT-base的输入嵌入向量维度为768，隐藏层的维度也是768。BERT-multilingual：BERT-multilingual是一种支持多语言的BERT模型，它可以同时处理多种语言的文本。BERT-wwm：BERT-wwm是BERT的一种改进版本，它采用了整词（Whole Word Masking）的方式进行预训练，可以更好地处理中文的分词问题。除了以上列举的几种，还有一些其他的BERT模型，如BERT-tiny、BERT-mini等，这些模型规模更小，适用于资源受限的环境或小规模任务。
2024-11-25 10:44:40
626
原创 研0找实习【学nlp】13-(4.项目分析及面试官可能问的问题）基于PyTorch的IMDB文本分类项目
有评级标签的IMDB数据集包含5万篇IMDB影评，负面评论得分=7，其中2.5万篇影评用于训练数据集，2.5万篇影评用于用于测试数据集，训练集和测试集电影不相交。在评估阶段，我计算了模型在验证集上的损失和准确率，以监控模型的表现。这段代码实现了一个基于图卷积网络（GCN）和简单的嵌入袋（EmbeddingBag）模型的文本分类任务，主要用于IMDB电影评论的情感分析。通过准备这些问题和回答，你可以在面试中展示你对模型优化和改进的深入理解，增强你的竞争力。方法，并设置了最小频率。
2024-11-25 10:18:08
1064
原创 研0找实习【学nlp】10-(3.2项目模型方法bert）基于PyTorch和GCNN的IMDB文本分类项目
研0找实习【学nlp】10-(3.2项目模型方法bert）基于PyTorch的IMDB文本分类项目
2024-11-07 15:42:05
859
原创 研0找实习【学nlp】7-(1.调研+环境）基于PyTorch的IMDB文本分类项目
1.调研+环境---基于PyTorch的IMDB文本分类项目
2024-11-06 18:05:00
1035
原创 研0找实习【学nlp】9-(3.1python做项目的基本知识）基于PyTorch的IMDB文本分类项目
用python做项目的基本知识，手撕代码的基础知识
2024-11-06 17:55:34
994
原创 研0【学深度学习】6-nlp项目（知识点讲解）+HuggingFace+BERT+PYTORCH
研0【学深度学习】6-nlp项目（知识点讲解）+HuggingFace+BERT+PYTORCH
2024-11-04 09:19:11
912
原创 研0【学深度学习】5-nlp项目（环境配置）+HuggingFace+BERT+PYTORCH
研0【学深度学习】5-nlp项目（环境配置）+HuggingFace+BERT+PYTORCH
2024-11-01 20:57:13
1077
原创 研0【学深度学习】3表情识别+小土堆pytorch
在观看了吴恩达以及李沐深度学习以后，发现吴恩达讲的很好，但是不够实践；李沐实践多，但是听不懂，不适合我。计划直接实践项目，表情识别，学习良多，整个架构。
2024-10-31 15:24:33
509
原创 研0【从基础_学深度学习】2基础环境配置类git/venv/conda/jupter/
研0【从基础_学深度学习】2基础环境配置类git/venv/conda/jupter/
2024-10-30 21:27:43
1041
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