siper12138的博客

1.NLP自然语言处理（Natural Language Processing, NLP）是人工智能领域的一个重要分支，专注于研究 计算机如何理解、生成和处理人类语言。它的目标是让机器能够像人类一样“读懂”文本或语音，并执 行翻译、问答、摘要等任务。大模型不仅仅是模型规模庞大，也涵盖了训练数据规模庞大，以及由此衍生出的模型能力的强大。截止 2024 年 6 月，国内外已经见证了超过百种大语言模型的诞生，这些大语言模型在学术界和工业界 均产生了深远的影响。描述了在。

PR 曲线以精确率（Precision）为纵坐标，召回率（Recall）为横坐标。在不同的分类阈值下，模型会产生不同的精确率和召回率，将这些点连接起来就形成了 PR 曲线。精确率是指预测为正例的样本中真正正例的比例，召回率是指真实正例中被预测为正例的比例。PR 曲线展示了模型在精确率和召回率之间的权衡关系，曲线上的每个点代表了模型在某个特定阈值下的性能表现。

强化学习是机器学习中的一个重要领域，它涉及智能体（agent）如何在环境中采取一系列行动，以最大化累积奖励。：是一个能够感知环境并采取行动的实体，如机器人、自动驾驶汽车或游戏中的角色等。：智能体所处的外部世界，它会根据智能体的行动产生相应的反馈，包括奖励信号和新的状态。：描述环境在某一时刻的信息，智能体根据当前状态来决定采取何种行动。：智能体可以执行的操作，例如在游戏中移动、跳跃，机器人的前进、转弯等。：环境给予智能体的反馈信号，用于衡量智能体的行动在实现目标方面的好坏程度。

tugraph, tigergraph, hugegraph 区别，各自的优缺点，各自的创新点。来指定要匹配的图模式。

本文主要包含神经网络相关内容，包含参数优化、激活函数、损失函数、常见的神经网络（包含经典的MLP, 图像领域经典的VGG,ResNet,Yolo，transformer及其变体bert,gpt等, 以及GAN网络结构）

【代码】Linux常用操作。

pytorch实现自注意力机制。直接上手。

Graph Data Augmentation for Graph Machine Learning: A Survey主要调研了图数据增强的一些方案,并做了结构化的整理。属于调研报告类型的文章。本文属于阅读记录，有一些不明白的地方比较，模糊，请大家指点

pandas

mnist手写数字识别，dnn实现代码解读

dgl安装过程

本文主要记录一些基本的语法规则等。python基础部分一，基础的基础1.单行注释 and 多行注释2.代码缩进3.中文代码注释4.输出print() 输入input()二，变量与数据类型1.保留字(区分大小写)2.标识符命名规则3.变量定义与使用基础部分一，基础的基础1.单行注释 and 多行注释# 单行注释n=0 #d单行注释'''多行注释多行注释'''2.代码缩进代码采用缩进和":"来区分代码之间的层次，不需要大括号。一般缩进4个英文字符（一个TAB），同一个代码级别的