sueong的博客

ps：精度是在预测的正例中（TP+FP） 判断为正例（TP）的概率 查准率召回率是在所有真正的正例中（TP+FN 正确判断为正例和错误判断为负例的 即P），判断为正例（TP）的概率 查全率分子都是TP(正确预测的正例) ,分母:精度：预测的正例（TP+FP）召回率：真实的正例（P）因此我们可以很方便地将精度和召回率组合成一个单一的指标，称为F1 分数。当你需要一个简单的方法来比较两种分类器时。F1 分数是精度和召回率的谐波平均值。谐波平均值会给予较低的值更高的权重。因此，只有当召回率和精度.

在网上查了很多资料，首先要确定是不是版本问题，像我在虚拟环境pip安装用pip list查看的cuda和torch分别是10.2.89和1.5.0但是在cuda list里面是10.2.89和1.0.0很怪，无法理解但是在python中打印出cuda和torch又分别是9.0和1.0.05555好窒息，搞了一整天很暴躁conda list在python中打印无法理解conda list和pip list的版本不同，而且我配置的torchvision是0.4的，肯定不能支持cuda9.

我的问题是torch、cuda、cudnn、torchvison之间版本不匹配的问题这篇博客给我了出路555：https://blog.youkuaiyun.com/c2250645962/article/details/105160102/其他原因可参考解决方法 https://github.com/pytorch/pytorch/issues/10910电脑环境是toch1.5.0torchvision0.3.0cuda10.2.89cudnn7.6.5python3.7.11先安装cuda10

一般我们就用训练集出一个模型，然后可以在其他的代码里读取这个模型来使用。其他的代码就是所谓的下游任务（比如·什么分类、NER什么的）。BERT只是出一个词向量，这个向量不接任务你也看不出什么东西。这种分开训的就叫pipline，如果bert和下游任务一起训就叫end-to-endBERT 的输入可以包含一个句子对 (句子 A 和句子 B)，也可以是单个句子。此外还增加了一些有特殊作用的标志位：[CLS] 标志放在第一个句子的首位，经过 BERT 得到的的表征向量 C 可以用于后续的分类任务。[SEP