郝同学的博客

一、Scatter函数的理解  这个函数是用一个src的源张量或者标量以及索引来修改另一个张量，常用来做one-hot编码。这个函数主要有三个参数 scatter(dim,index,src)dim:沿着哪个维度来进行索引（一会儿举个例子就明白了）index：用来进行索引的张量src：源张量或者标量# 这里是三位矩阵的情况下self[index[i][j][k]][j][k] = src[i][j][k] # if dim == 0self[i][index[i][j][k]][k] =

判断两个数组对应位置相等的个数，然后计算模型预测的正确率一、问题背景二、解决方法一、问题背景  在多分类模型预测的结果中，我想知道预测的结果与实际的答案相比，其正确率是多少，这个时候我们往往是对应比较两个数组list之间对应相等的个数。因此，我大致总结了一些方法来计算此正确率。假设我们此处的预测结果和实际结果分别为：# 假设是三分类任务，存在0，1，2三种结果list1 = [1,2,0,0,1]list2 = [1,0,2,1,1]二、解决方法方法1：我立马能想到的方法就是直接遍历数组直

以此记录自己常忘记的函数用法一、torch.stack vs torch.cat二、python中的 * 和 ** 作用含义三、torch.Tensor.index_add_一、torch.stack vs torch.cathop = []hop.append(torch.randn(2,3))hop.append(torch.randn(2,3))'''[tensor([[ 1.2735, 0.7435, 1.9758], [-0.8915, -1.2238, 1.55

一、问题背景  在NLP的相关任务中，我们使用RNN或LSTM处理文本序列时，通常来说句子的长度是不一致的，我们常常采用的方法使用< PAD >（0）来补全至相同长度的序列。虽然这个时候序列的长度是一致的，但是序列中填充了许多无效值 0 ，这个时候喂给 RNN 进行 forward 计算，不仅1.浪费计算资源，最后得到的值2.可能还会存在误差。  因此，为了解决这样的问题，在将序列送给 RNN 进行处理之前，需要采用 nn.utils.rnn.pack_padded_sequence 进行压

一、Dropout层的作用  dropout 能够避免过拟合，我们往往会在全连接层这类参数比较多的层中使用dropout；在训练包含dropout层的神经网络中，每个批次的训练数据都是随机选择，实质是训练了多个子神经网络，因为在不同的子网络中随机忽略的权重的位置不同，最后在测试的过程中，将这些小的子网络组合起来，类似一种投票的机制来作预测，有点类似于集成学习的感觉。  关于dropout，有nn.Dropout和nn.functional.dropout两种。推荐使用nn.xxx，因为一般情况下只有训练

一、问题背景  由于最近做nlp相关的项目，在进行数据预处理的时候，需要对文本进行分词、去停用词、词性标注、标点去除等预处理方法。  由于标点符号会影响我们分词的效果，这里我着重了解学习了标点去除的方法，总结了有以下几种，欢迎大家补充????二、解决方案以下描述了4种方法：import reimport stringsentence = "+今天=是！2021! 年/8月?1,7日★.---《七夕节@》：让我*们出门（#@）去“感受”夏天的荷尔蒙！"sentenceClean = []

1. JSON介绍  首先介绍一下JSON文件格式，JSON (JavaScript Object Notation) 是一种轻量级的数据交换格式。  它的格式是以大括号区分来存储数据，json和dict非常类似，都是key-value的形式，而且json和dict也可以非常方便的通过dumps和loads互转，但是它们之间还是有区别的：json：是一种数据格式，是纯字符串。可以被解析成python的dict或其他形式。dict：是一个完整的数据结构，是对hash table这一数据结构的实现

1. 问题背景今天在浏览一些代码的时候，总是出现了以下的错误描述RuntimeError: Output 0 of SelectBackward is a view and is being modified inplace. This view is the output of a function that returns multiple views. Such functions do not allow the output views to be modified inplace. You

一、问题背景有时候我们在网上参考某些项目的时候，通常会给出requirement.txt文件，其中就是包括了本次项目所需要用到的库以及环境，一键配置好这些库函数就显得十分有必要了。还有时候我们自己电脑的环境配置好后，需要在另外的机器上写程序，这个时候一键配置也是十分有用，不然一个一个的pip install/conda install还是挺麻烦的/(ㄒoㄒ)/二、解决方案在使用Python的时候，需要把安装的Package通过requirements.txt导出来，一个命令便可部署新环境。

文章目录一、特点二、主要功能1.分词2.添加自定义词典3.关键词提取4.词性标注5.并行分词6.Tokenize：返回词语在原文的起止位置一、特点1.四种模式精确模式: 试图将句子最精确地切开，适合文本分析；全模式: 把句子中所有的可以成词的词语都扫描出来, 速度非常快，但是不能解决歧义；搜索引擎模式: 在精确模式的基础上，对长词再次切分，提高召回率，适合用于搜索引擎分词。paddle模式: 利用PaddlePaddle深度学习框架，训练序列标注（双向GRU）网络模型实现分词。同时支持词性标注

python中对txt文件的读写操作模式(追加/覆盖原文件)模式可做操作若文件不存在是否覆盖备注r只能读报错-r+可读可写报错是w只能写创建是w+可读可写创建是a只能写创建否，追加写入一打开文件，文件指针自动移到文件末尾a+可读可写创建否，追加写入b以二进制模式打开文件，而不是以文本模式--python中有多种读写方式，例如：读入read()、readline()、readline

一、常用正则表达式用法： 字符 描述 \ 将下一个字符标记为一个特殊字符、或一个原义字符、或一个向后引用、或一个八进制转义符。例如，“n"匹配字符"n"。"\n"匹配一个换行符。串行"\\"匹配"\"而"\["则匹配"["。 ^ 匹配输入字符串的开始位置。如果设置了RegExp对象的Multiline属性，^也匹配“\n"或"\r"之后的位置。 $

一、字符串前边加u：例如: u"我含有中文字符123"作用： 后面字符串以 Unicode 格式 进行编码，一般用在中文字符串前面，防止因为源码储存格式问题，导致再次使用时出现乱码。二、字符串前边加r：应用：我们常能在正则表达式中看到，pattern = re.compile(r"吗\n|\?|？|多|哪|怎|什么|啥|么")，这样是指将该字符串表示成一个普通的字符串，没有特殊字符在原先字符串中的含义，比如\n在普通字符串中是换行的含义，而此处将其打印出来依旧是"\n"字符。如下所示：三、字符串

1.问题前景  在我使用python中的pip时，提示我需要更新，我使用他提示的安装语句，莫名其妙安装失败，问题如下这也就导致原本的pip也被卸载，之后的pip就不存在了；  然后我被迫在官网下载了最新的pip版本，然后使用python setup.py install,安装了pip。然后又出现了以下问题：  稍微查阅了一下，大多都说是python的版本过多导致的，（可我把我装的另外一个python完全给卸载了，还是这样的问题）。  之后，又查阅了资料发现可以使用python -m pip来运

以上的图片是来自于vscode官方的快捷指令大全哈哈,大家顺便可以学学英语。

import xlrdimport pymysql //需要提前装好xlrd和pymysql两个库，直接使用pip install xlrd/pymysql 安装即可，比较简单。import datetimedef open_excel(): try: book = xlrd.open_workbook("C://Users//hp//XXX… …//XXX集.xlsx") #文件名，可以放绝对路径，相对路径也行 print("open excel file

首先假设你使用import numpy，则当你使用numpy库中的的函数/变量都需要在前面加上numpy，例如import numpyX0 = numpy.array([1,2,3,4,5])print(X0)from numpy import *X1 = array([1,2,3,4,5])print(X1)因此这样就存在一个缺点，在使用第二种方法时会造成混淆，就比如在numpy中有random函数，但标准库(import random)中也存在random函数，他们之间的区别如下：1