- 博客(31)
- 收藏
- 关注
RSS订阅原创 ModuleNotFoundError: No module named ‘jenkins‘ 解决方法
【代码】ModuleNotFoundError: No module named ‘jenkins‘ 解决方法。
2023-03-30 11:02:35
1147
1
原创 AttributeError: module ‘torchvision.models‘ has no attribute ‘regnet_y_400mf‘
【代码】AttributeError: module ‘torchvision.models‘ has no attribute ‘regnet_y_400mf‘
2023-03-27 17:01:43
798
原创 终端命令不用在反复敲 -- ZSH Auto-Suggestions
系统：ubuntu20.04，我已经安装好了ZSH，安装在跟目录下打印当前shellgit下载插件git clone https://github.com/zsh-users/zsh-autosuggestions ~/.zsh/zsh-autosuggestionsgit clone https://github.com/zsh-users/zsh-autosuggestions ${ZSH_CUSTOM:-~/.oh-my-zsh/custom}/plugins/zsh-autosugges
2022-03-18 10:54:01
650
原创 保存json文件时，出现的utf-8问题
json 默认保存的格式是＂utf8＂加上一个参数即可将utf8转为汉字json.dumps(dict, ensure_ascii=False)
2022-02-17 10:18:12
1211
原创 梯度下降 优化算法
梯度下降是最小化目标函数的方法梯度下降变体==目的：考虑到 更新参数的准确性 和 时间，从而作出权衡 ==batch gradient descent公式：θ=θ−η⋅∇θJ(θ)\theta = \theta - \eta· \nabla_{\theta}J(\theta)θ=θ−η⋅∇θJ(θ)优点： 批量梯度下降保证收敛到凸误差表面的全局最小值和非凸表面的局部最小值。缺点： 需要计算整个数据集的梯度来执行一次更新，因此速度慢；不允许模型在线更新。代码：for i in rang
2021-06-20 20:31:12
534
原创 回溯 与 递归
回溯 与 递归属于数据结构的问题。一想到数据结构，我就想到了力扣。先上力扣看看递归每当递归函数调用自身时，它都会将给定的问题拆解为子问题。递归调用继续进行，直到到子问题成为一个不可以拆分的、可以直接求解的最简单问题。为了确保递归函数不会导致无限循环，它需要包含：一个简单的基本案例（basic case）（或一些案例）， 能够不使用递归来产生答案的终止方案。一组规则，也称作递推关系（recurrence relation），可将所有其他情况拆分到基本案例。注意，函数可能会有多个位置进行自我调用
2021-06-17 23:30:26
301
1
原创 NLP面试常考知识点
心血来潮，整理NLP常考内容TransformerAttention 和 Self-Attention的区别是什么？三级目录TransformerAttention 和 Self-Attention的区别是什么？三级目录
2021-06-17 13:17:38
629
原创 AttributeError: ‘CRF‘ object has no attribute ‘keep_tempfiles‘
#Creating the CRF modelcrf = CRF(algorithm='lbfgs', c1=0.1, c2=0.1, max_iterations=100, all_possible_transitions=False)#We predcit using the same 5 fold cross validationpred = cross_val_predict(estimator=crf, X=X
2021-03-12 16:58:17
1654
原创 Spacy en_core_web_sm
OSError: [E050] Can’t find model ‘en_core_web_sm’. It doesn’t seem to be a Python package or a valid path to a data directory.pip install nltkpip install spacypip install en_core_web_smpip install pyresparser注意：spacy 要和 en_core_web_sm 兼容我安装的 spacy 和
2021-03-06 17:40:13
5888
2
原创 No module named ‘six‘
配置：Mactorch 1.7.1安装完 jupyter 之后出现 No module named “six”解决方法：pip uninstall sixpip install six
2021-03-04 22:29:13
4452
1
原创 pack_padded_sequence；pad_packed_sequence
pack_padded_sequence 类似与一个压缩操作。举个例子：有一个tensor([[1,2,0], [3,0,0], [4,5,6]])，经过 pack_padded_sequence 之后会得到一个tensor([4,1,3,5,2,6])；再经过pad_packed_sequence之后会得到tensor([[1,2,0], [3,0,0], [4,5,6]])问：为什么需要这个操作呢？ 答：提高计算效率逐行解释from torch.nn.utils.rnn impor
2021-02-28 14:48:16
190
原创 Mac/Windows 出现 RuntimeError: Requested MovieWriter (ffmpeg) not available
解决方法：brew install ffmpeg如果没有brew去搜一下如何安装brew
2021-02-20 17:17:27
6521
原创 NLTK download好麻烦, mac和windows皆可
nltk download下载不顺利？ 换一种方式从github下载nltk_data下载完是名为 nltk_data-gh-pages.zip 压缩包解压缩，打开文件，如下图所示：删除除了packages的所有文件将packages重新命名为nltk_data，然后可以放在任何目录下，我放在了D:\nltk目录下在代码中这样写：from nltk import datadata.path.append(r"D:\nltk\nltk_data") 即可使用，不用download我
2021-02-16 17:59:10
281
原创 Leetcode--72. 编辑距离 Python
标题动态规划法转移方程动态转移方向：从上往下，从左往右dp[i][j] = dp[i-1][j-1] if word1[i] = word2[j]dp[i][j] = min(dp[i][j-1], dp[i-1][j], dp[i-1][j-1])+1 if word1[i] != word2[j]初始值：比较 word1[0] 与 word2[0]，此时需要知道 dp[-1][-1] 的情况，添加第 0 行和第 0 列，设置大小为 (n1+1)*(n2+1) 的 dp 数组方便计算，n1
2020-05-25 16:46:09
178
原创 Leetcode--数之和（合集）
Leetcode--数之和（合集）题名1.两数之和15.三数之和16.最接近的三数之和18.四数之和题名本文章主要总结 leetcode中数的相加和。1.两数之和给定一个整数数组 nums 和一个目标值 target，请你在该数组中找出和为目标值的那 两个 整数，并返回他们的数组下标。你可以假设每种输入只会对应一个答案。但是，数组中同一个元素不能使用两遍。示例：给定 nums = [2, 7, 11, 15], target = 9因为 nums[0] + nums[1] = 2 + 7
2020-05-10 22:11:22
451
原创 Bert（英文版）-- 使用Tensorflow生成pytorch_model.bin
Tensorflow生成pytorch_model.bin参考该链接PyTorch pretrained BigGANconvert_bert_original_tf_checkpoint_to_pytorch.py# coding=utf-8# Copyright 2018 The HuggingFace Inc. team.## Licensed under the Apache ...
2020-03-24 21:25:50
3780
4
翻译 MindMeld中文文档--35.与对话管理合作
对话管理mindmeld应用程序管理会话方面使用基于模式的规则来确定每个传入请求的对话状态实现执行业务逻辑并向用户返回自然语言响应的处理程序除了最简单的会话应用程序外，开发对话管理器可能是一项艰巨的任务。mindmeld通过提供一个模式匹配系统和用于生成响应的帮助程序来减轻挑战。这是一个从开始到结束的深入教程。开始之前，请阅读逐步指南，特别注意有关定义对话状态处理程序的部分。让我们...
2019-10-16 18:23:23
253
4
翻译 MindMeld中文文档--10.定义对话状态处理程序
定义对话状态处理程序当今的商业语音和聊天助手会引导用户进行对话互动，以查找信息或完成任务。 对话交互包括称为对话状态的步骤。 对于每个对话状态，特定形式的响应是适当的，并且可以调用特定逻辑来确定响应内容的某些部分。 一组对话状态处理程序定义给定应用程序支持的每个对话状态所需的逻辑和响应。对话管理器是每个对话应用程序的核心。对话管理器分析每个传入的请求，并将其分配给对话状态处理程序，然后执行所需...
2019-10-15 10:04:00
178
原创 如何删除Neo4j中的残留的Property Keys --neo4j v3.5
合肥京东方环境如何删除Neo4j中未连接的节点属性？neo4j清空所有数据命令如下[但会有Property Keys残留]：MATCH (n)OPTIONAL MATCH (n)-[r]-()DELETE n,r
2019-10-10 15:15:49
9239
10
翻译 MindMeld中文文档--24.使用预处理程序
使用预处理程序预处理器是一个可选模块，在MindMeld管道中的所有组件之前运行使用开发人员定义的应用特定逻辑将用户查询发送到自然语言处理器之前对用户查询执行任意文本修改一些常见预处理任务的示例包括拼写校正，标点符号删除，特殊字符处理，句子分段以及其他类型的特定于应用程序的文本规范化。实现预处理器您可以使用MindMeld提供的Preprocessor抽象类作为模板来定义自己的自定...
2019-10-08 00:20:09
156
翻译 MindMeld中文文档--23.平台架构
平台架构Platform ArchitectureMindMeld AI对话平台为构建和配置智能数据驱动的对话应用程序提供了强大的端到端通道。该平台的高级架构如下所示：自然语言处理器自然语言处理器（NLP）可以理解用户的查询-也就是说，它会生成画像，以捕获查询中的所有重要信息。然后由app使用该汇总表示来决定合适的动作或响应以满足用户的目标。（贯穿本指南，术语查询和自然语言输入是可以互换的...
2019-10-07 23:50:29
222
翻译 MindMeld中文文档--8.写下你理想的会话互动
一旦您确定了一个好的用例，下一步就是编写您所设想的对话互动的脚本。在本设计练习中，您将详细介绍会话交互流程，这些流程定义了应用程序的用户体验。对于熟悉图形界面设计的开发人员，这一步相当于创建线框图和像素完美的模型。与其它设计步骤一样，它通常需要多次迭代来解决可用性问题，并就最终设计达成一致。仅在脚本对话交互尘埃落定之后才开始编码和实现总是明智的。否则，可能会浪费大量的实施工作和精力。重要的是不仅...
2019-10-06 01:33:33
218
翻译 MindMeld中文文档--7.选择正确的用例
步骤1:选择正确的用例选择正确的用例可能是构建用户喜欢的会话应用程序中最重要的步骤。在许多用例中，语音或聊天对话可以使查找信息或完成任务变得更加简单。对于其他人，对话界面可能会带来不便或令人沮丧。选择一个不切实际或不正确的用例，即使最聪明的语音助手也会崩溃。虽然没有神奇的公式可以确定哪种用例适合会话界面，但已经做出一些实践用于区分好的候选人和坏的候选人。为了确保您的会话程序的实用和为用户提供真...
2019-10-06 01:12:41
130
翻译 MindMeld中文文档--6.用10个步骤构建对话界面
用10个步骤构建对话界面出色的会话应用程序需要先进的技术和扎实的设计判断力。当今使用最广泛的会话应用程序（例如Siri、Alexa、Google Assistant和Cortana）都是使用一组类似的技术来构建的，以确保高精度和实用性。本指南概述了用于构建当今最高级和最有用的会话应用程序的方法。从概念到对话应用程序通常需要完成下面总结的十个实施步骤。...
2019-10-05 12:45:15
161
翻译 MindMeld中文文档--5.关键概念[Key Concepts]
关键概念每个MindMeld开发者都应该知道本节中定义的术语。最好通读整个章节，因为后面的定义是建立在前面的基础上的。app使用MindMeld框架构建的会话平台。例子包括部署在消息平台上的语音和聊天助手，如Webex团队、Slack、Messenger或Skype；或者在Alexa或Google Home等语音激活的设备上。project将会话应用程序所需的数据和代码的集合，存储在Mi...
2019-10-03 00:53:37
266
翻译 MindMeld中文文档--4.介绍MindMeld
介绍MindMeldMindMeldAI会话平台是构建对话应用程序最先进的人工智能平台之一。它是一个基于python的机器学习框架，它包含了所有为此目的所需要的算法和实用工具。几十个先进会话实现经过了几年的建立和部署，MindMeld被优化为先进的会话助手，演示了一个特定的用例或对域的深刻理解，同时提供非常有用和多用途的会话经验。MindMeld是目前唯一可用的会话人工智能平台，它为一个最先进...
2019-10-02 23:24:21
318
翻译 MindMeld中文文档--3.AI对话交互的剖析[Anatomy of a Conversational AI Interaction]
AI对话交互的剖析全世界每天有数亿人使用会话助手，他们在连接设备，智能手机，笔记本电脑，汽车或各种应用程序中调用这些助手。这些会话助手中有一些是语音的，可以用口语来听和回答。另一些是基于文本的，可以读取和响应消息和请求。无论是媒体，应用程序还是设备，所有会话接口都依赖于一组核心底层技术，以理解自然语言输入并进行类似于人类的会话交互...
2019-10-02 13:23:29
180
翻译 MindMeld中文文档--2.构建会话应用程序的不同方法[Different Approaches for Building Conversational Applications]
构建会话应用程序的不同方法数十年来，开发者和研究者们一直在构建聊天机器人等会话应用程序。多年来，人们考虑了许多不同的战略。随着最近语音和聊天助手的普及和广泛应用，标准的方法出现了，以帮助定义构建有用的，生产质量的聊天机器人的最佳实践。本节概述了当今构建会话应用程序的一些最常见的方法，并描述了每种方法的优缺点。基于规则的方法在过去十年机器学习取得进展之前，会话应用程序通常是使用基于规则的方法构...
2019-10-02 00:57:25
171
翻译 MindMeld中文文档--Introduction
会话应用简介科幻小说早就预言：在未来，人类与应用程序（或设备）交互使用智能对话。在过去几年里，这个场景才开始成为现实。如今，像Siri，Cortana，Google Assistant和Alexa这样的虚拟助手每月都有数十亿的语音和自然语言查询。新的语音设备如Amazon Echo和Google Home reside已经有数以千万计的家庭使用。世界各地的消费者越来越期待快速的得到专家的意见，他...
2019-09-30 23:15:03
217
原创 meldmind与neo4j连接，出现“No module named "neo4j.addressing"”问题
meldmind与neo4j连接，出现“No module named “neo4j.addressing””问题环境设置java: 12.0.2neo4j: neo4j-community-3.5.8python: 3.6.3py2neo: 4.1.0rcl解决方法改变py2neo版本pip uninstall py2neo --卸载py2neopip install...
2019-09-16 12:00:37
1411
原创 使用前序中序求后序遍历，使用中序后序求前序遍历--Python
使用前序中序求后序遍历使用前序中序求后续遍历参照这篇博客# encoding: utf-8class TreeNode: def __init__(self, x): self.val = x self.left = None self.right = Noneclass Solution: # 返回构造的TreeNode根节...
2019-08-13 08:47:42
889
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