- 博客(286)
- 资源 (16)
- 收藏
- 关注
RSS订阅原创 前赤壁赋 《苏轼》
壬戌之秋，七月既望，苏子与客泛舟游于赤壁之下。清风徐来，水波不兴。举酒属客，诵明月之诗，歌窈窕之章。少焉，月出于东山之上，徘徊于斗牛之间。白露横江，水光接天。纵一苇之所如，凌万顷之茫然。浩浩乎如冯虚御风，而不知其所止；飘飘乎如遗世独立，羽化而登仙。于是饮酒乐甚，扣舷而歌之。歌曰：“桂棹兮兰桨，击空明兮溯流光。渺渺兮予怀，望美人兮天一方。”客有吹洞箫者，倚歌而和之。其声呜呜然，如怨如慕，如泣如诉；余音袅袅，不绝如缕。舞幽壑之潜蛟，泣孤舟之嫠妇。苏子愀然，正襟危坐，而问客曰：“何为其然也？
2024-04-24 14:40:22
72
原创 白居易《中隐》
古代的理想生活啊，白居易不愧为诗王、诗魔，乐天居士。留司官这种闲官冷官既能保障衣食无忧，又能躲避朝堂纷争。总而言之，这首诗表达的就是钱多事少离家近，登山、游园，喝酒、吹牛、睡懒觉等等不在话下。大隐住朝市，小隐入丘樊。丘樊太冷落，朝市太嚣喧。不如作中隐，隐在留司官。不劳心与力，又免饥与寒。终岁无公事，随月有俸钱。君若好登临，城南有秋山。君若爱游荡，城东有春园。君若欲一醉，时出赴宾筵。洛中多君子，可以恣欢言。君若欲高卧，但自深掩关。亦无车马客，造次到门前。贱即苦冻馁，贵则多忧患。穷通与丰约，正在四者间。
2024-04-20 22:53:32
95
原创 python文件无法作为模块被导入
在项目tt下新建了文件夹tt包含模块文件a.py，里面包含t函数，在同路径下的1.py引入模块进行t函数的调用，具体如下目录结构tt/tt/a.pytt/tt/1.py执行报错ModuleNotFoundError。
2024-04-20 22:52:58
432
原创 苏轼的《六月二十七日望湖楼醉书五首》
黑云翻墨未遮山，白雨跳珠乱入船。卷地风来忽吹散，望湖楼下水如天。译文乌云上涌，就如墨汁泼下，却又在天边露出一段山峦，明丽清新，大雨激起的水花如白珠碎石，飞溅入船。忽然间狂风卷地而来，吹散了满天的乌云，而那西湖的湖水碧波如镜，明媚温柔。情感这首诗写作者坐船时所见，描绘了西湖的美丽雨景；
2024-04-20 22:51:59
88
原创 Chat-REC: Towards Interactive and Explainable LLMs-Augmented Recommender System
推荐系统被应用于推荐服务，提高人们的生活质量，但仍存在一些问题。Chat-Rec，有效地学习用户的偏好，，有效推理出用户和产品之间之间的联系。产品之间用户偏好相关联，允许更好的跨域产品推荐。
2024-04-04 22:52:16
346
原创 大模型llm综述
LLM 是指包含数千亿(或更多)参数的 Transformer 语言模型 ，这些模型是在大规模文本数据上进行训练的 ， 例如 GPT-3 ，PaLM，Galactica 和 LLaMA。LLM 展现了理解自然语言和解决复杂任务(通过文本生成) 的强大能力。
2024-03-17 20:27:38
792
原创 Wilson威尔逊平滑
在曝光很少的情况下，计算出的CTR并不真实可靠，而样本数越大，CTR的比例才越准确，更能反应真实情况。为了衡量样本数对于CTR信区间的影响，我们引入"威尔逊（Wilson）区间"的概念。Wilson区间的含义就是，就是指在一定置信度下，真实的CTR范围是多少。
2024-03-11 21:08:45
748
原创 langchain入门
现将文本分段，然后逐段总结，最后合并各个总结。# 导入文本# 将文本转成 Document 对象# 初始化文本分割器# 切分文本# 加载 llm 模型# 创建总结链# 执行总结链，（为了快速演示，只总结前5段）
2024-03-10 21:28:57
934
原创 26条prompt规则应用于大模型
llm大模型在回答一些问题上表现出了惊人的能力，例如数学逻辑推理，代码生成，问题答复等。提词工程是和大预言模型交流的一门艺术。一般地，提供的指令或任务越精确，模型回答的越好，越符合用户的预期。为此，论文《Principled Instructions Are All You Need for Questioning LLaMA-1/2, GPT-3.5/4》提出了26个原则，这些原则增强了LLM关注输入上下文关键元素的能力，从而生成高质量的响应。
2024-02-03 18:36:31
1536
原创 清朝12帝
清太祖爱新觉罗·努尔哈赤（1559年-1626年），又作努尔哈齐，建州左卫指挥使塔克世长子，姓爱新觉罗，自称姓佟，号淑勒贝勒，女真族（即满族），生于建州左卫（今辽宁新宾县西南）。后金政权的创建者、清朝的实际奠基人。努尔哈赤少年时家道中衰，曾靠采集山货为生。初为辽东总兵李成梁部下，屡立战功。后袭父职，任建州左卫指挥使。1583年，以祖、父为明兵误杀为由起兵，先后统一建州女真各部及海西女真、野人女真大部，受明封为都督佥事、龙虎将军。曾创建八旗制度，并命人创造满文。1616年，建立后金政权，都城赫图阿拉。
2024-01-07 13:15:01
662
原创 tf特征处理常用函数
eg：a=[a1,a2,a3],其中a1,a2,a3的维度均是(None,1,32)，执行b=concat_fun(a,axis=1),则b的维度为(None,3,32)；执行c=concat_fun(a,axis=-1),则b的维度为(None,1,96)；
2024-01-07 12:35:32
859
原创 明朝16个皇帝
明太祖朱元璋（1328年10月21日—1398年6月24日），字国瑞， 原名朱重八、朱兴宗。（今安徽凤阳）钟离人。开国皇帝（1368年—1398年在位）， 年号“洪武”。朱元璋二十五岁参加领导的，反抗。至正十六年（1356年）攻占，改名，至正二十四年（1364年）称吴王。他陆续消灭等割据势力，并在吴元年以“驱逐胡虏，恢复中华”为号召，派遣举兵北伐，以推翻元朝统治。洪武元年（1368年）正月，即皇帝位于应天府，国号大明，年号洪武。同年秋攻占，结束了元朝在全国的统治。[291]此后数次遣将北征，打击残余势力。
2023-12-10 19:32:29
542
原创 rank的相关loss
排序优化时，主要从三个角度来考虑构建loss，分别为pointwise、pairwise、listwise。pointwise将排序所有query当成一个整体，计算每个对的loss,相当于一个二分问题。pairwise以每个query为维度，构建这样的元组，构建doc和doc之间的偏序关系。listwise以query为维度，将此query下的doc作为一个list进行建模。常见的这几种loss包括如下几种，来源于TF-Ranking代码库。Click
2023-12-02 12:42:06
1314
原创 信息检索指标直接优化的通用近似框架
X为q的一系列doc，x为X中的一个，f为x的排序打分函数，x的分数记为,其表述如下：根据可以得到一个排序,根据label会有一个原始的相关度排序r(x),重定义中的位置函数和截断函数均不可导4.4、位置近似函数4.4.1、排序分位置表示位置可视为排序分的产出，位置和截断函数均不连续可导此paper为直接优化IR指标提供了理论依据；在一定条件下，直接优化IR指标是合理的；直接优化指标可能是排序学习最优的方法之一。
2023-11-25 22:49:05
1035
原创 fully_connected与linear
fully_connected创建一个名为的变量weights，表示一个完全连接的权重矩阵，乘以它inputs产生一个 Tensor隐藏单位。如果normalizer_fn提供了数据（例如 batch_norm），则应用它。否则，如果normalizer_fn为None且使用了biases_initializer，biases则将创建变量并添加隐藏单位。如果activation_fn不是None，它也会应用于隐藏单位。inputs：至少为二阶张量和最后一个维度的静态值;
2023-11-19 22:20:54
336
原创 tf loss构建常用到函数
tf.map_fntf1.x中tf.map_fn没有fn_output_signature参数tf.map_fn案例。
2023-10-22 18:18:24
595
原创 预训练相关知识
选择一些目标token，依据排列顺序中目标token前的字符和输入文本原本顺序的自然位置，训练模型（引入two-stream self-attention 机制，实际中，由于收敛速度较慢，仅选择排列序列中的最后几个token作为目标token）。由于pretrain和fine-tuning不一致，在预训练的过程中采用了比较trick的方式，80%的采用[mask],10%随机token，10%原来的token，例如bert。一个span内随机打乱次的顺序，在已知词的情况下，预测词正确位置的概率。
2023-09-17 14:33:39
124
原创 c++之枚举
2.1、枚举类型的定义枚举类型(enumeration)是 C++ 中的一种派生数据类型，它是由用户定义的若干枚举常量的集合。2.2、枚举类型的格式enum {};// 定义枚举类型week。
2023-08-30 17:59:46
441
原创 kmeans常见考点
k均值聚类算法（k-means clustering algorithm）是一种迭代求解的聚类分析算法，其步骤是，预将数据分为K组，则随机选取K个对象作为初始的聚类中心，然后计算每个对象与各个种子聚类中心之间的距离，把每个对象分配给距离它最近的聚类中心。聚类中心以及分配给它们的对象就代表一个聚类。
2023-08-28 20:34:07
146
原创 冷启问题目前常见解决方案
MAB(Multi-Arm-Bandit)是多臂赌博机问题，是RL(强化学习)的一种。主要解决的是EE（exploit and explore）问题，exploit表示利用已有的确定兴趣，explore表示探索未知的兴趣。MAB问题：有K个老虎机，总共摇T次，怎样使T次后的总收益最大的问题。
2023-08-27 17:43:26
182
原创 es引擎篇
Elasticsearch是。它允许我们快速实时地存储、搜索、分析大数据。Elasticsearch使用Lucene作为内部引擎，但是在你使用它做全文搜索时，只需要使用统一开发好的API即可，而不需要了解其背后复杂的Lucene的运行原理。
2023-08-27 17:04:42
192
原创 c++字符串浮点数转化
atof()： 把字符串转换为atoi()：函数用来将字符串转换成整数(int)atol()：把参数所指向的字符串转换为一个长整数c++中的定义。
2023-08-27 16:59:42
2853
原创 gdbt常见考点
分类器：gbdt分类器为cart树，xgboost支持线性分类器，相当于带了l1，l2正则的逻辑斯蒂回归分类器优化：优化时，gbdt仅考虑一阶泰勒展开；xgboost考虑二阶泰勒展开代价函数：gbdt上一次的分类结果的平方误差和；xgboost引入了l2正则项，限制树的规模缩减eta：xgboost在进行完一次迭代后会将叶子结点乘以缩减权重，让后面的树有更大的学习空间，一般将eta设置的相对较小，将迭代次数设置的较大。
2023-07-11 10:47:28
121
原创 CodeTop整理-数组篇
解释：在第 2 天（股票价格 = 1）的时候买入，在第 5 天（股票价格 = 6）的时候卖出，最大利润 = 6-1 = 5。给你一个整数数组 nums ，你需要找出一个 连续子数组 ，如果对这个子数组进行升序排序，那么整个数组都会变为升序排序。给定一个数组 prices ，它的第 i 个元素 prices[i] 表示一支给定股票第 i 天的价格。解释：你只需要对 [6, 4, 8, 10, 9] 进行升序排序，那么整个表都会变为升序排序。输入：nums = [2,6,4,8,10,9,15]
2023-07-05 22:49:09
706
原创 CodeTop整理-字符串篇
输入: words = ["i", "love", "leetcode", "i", "love", "coding"], k = 2。输入: strs = ["eat", "tea", "tan", "ate", "nat", "bat"]例如，"ace" 是 "abcde" 的子序列，但 "aec" 不是 "abcde" 的子序列。输出: [["bat"],["nat","tan"],["ate","eat","tea"]]输入字符串中没有额外的空格，且输入的方括号总是符合格式要求的。
2023-07-05 22:47:21
531
原创 CodeTop整理-动态规划篇
返回一个数组 [r1, c1, r2, c2]，其中 r1, c1 分别代表子矩阵左上角的行号和列号，r2, c2 分别代表右下角的行号和列号。若有多个满足条件的子矩阵，返回任意一个均可。给定一个正整数、负整数和 0 组成的 N × M 矩阵，编写代码找出元素总和最大的子矩阵。最大和求开始点和结束点。
2023-07-05 22:06:06
500
原创 p5模型详解
p5模型统一建模这5类任务，通过设计个性化prompt模版进行输入转换，转化为自然语言序列，作为encoder端的输入，再label进行prompt转化作为decoder的输出，通过seq2seq模型的损失函数进行预训练。下游应用时，给定目标输入，通过zero-shot的prompts模板进行输入转换，输入到encoder端进行编码，通过预训练好的decoder端进行解码，得到预测值，比如：下一次交互的item、评分、推荐理由、topK item ID等。对四个真实世界的数据集进行了广泛的实验。
2023-06-23 21:36:31
1237
原创 bert4rec简介
bert4rec整体架构如下图(b)所示，bert4rec是一个含有L层的transformer，每一层都可以利用上一层的信息，通过self-attention并行捕获任意位置的信息。
2023-06-22 23:20:36
1253
1JAVA课后习题答案.doc
2014-11-14
女程序员后来都去做什么了
2023-12-22
TA创建的收藏夹 TA关注的收藏夹
TA关注的人