枉费红笺的博客

神经网络的参数量（Params）和计算量（FLOPs）

同时在我们的实验结果分析里，除了一些冷冰冰的数据支撑之外，可视化的展示也可以更直观地让读者感受到模型的效果。常规的可视化包括：模型结构的可视化、卷积参数的可视化、训练过程的可视化、热图可视化等。此时就需要进行注意力的可视化展示，图像描述的可视化效果如下图所示，当我们生成或预测某个单词时，注意力就会重点关注图像中相应的区域，可以更直观的让我们感受的注意力到底是什么东西，它在我们模型的训练过程中以一种什么样的作用存在。我们理论上可以解释的通，但注意力在模型的训练过程中到底是怎么作用的呢？

切片(slice)简单来说就是更高级的索引操作，可以通过切片操作得到任意目标值，其切片对象的类型是与 Python 层面的slice相同的对象，即序列型对象，如array，list, string, tuple等，下面的介绍中将以array为例，通过一维和二维数组的来讲解，更高维的与二维类似，其他对象也与array类似。通过概念和代码实例的结合更容易理解索引在介绍切片内容之前，先来通过一张图了解序列对象的索引。从图中可以看出包括正索引和负索引两部分，从左到右索引默认 0 开始，从右到左索引默认 -1

Python中交换字典键值对的方法在学习过程中发现有时候交换字典的键和值，会使得我们最后的输出结果更加直观明了，整理出以下四种交换方式（data是原字典，new_data 是交换后的字典）一、当值唯一时1. 使用zip进行交换data= {'A':1, 'B':2, 'C':3}new_data = dict(zip(data.values(), data.keys()))print(new_data)# 运行结果# {1: 'A', 2: 'B', 3: 'C'}2. 使用for循环遍