滑动窗口机制**作用：**利用滑动窗口机制可以很方便地在TCP连接上实现对发送方的流量控制。1 . A给B发送数据，则A有发送缓冲区，B有接收缓冲区。应用层的所有需要发送的数据都被放在了发送者的发送缓冲区。发送窗口是发送缓存中的一部分，是可以被TCP协议发送的那部分。2 . 发送缓冲区包括：（1）已发送并收到确认的数据（2） 已发送但未收到确认的数据（3） 允许发送但尚未发送的数据（4）以及暂不允

作者发现FrameNet中定义的框架与用于事件抽取模型效果评估的ACE数据集中的事件结构具有很高的相似度，由此提出使用FrameNet中的知识来自动产生带有标注的数据，对原数据进行扩展，发现应用相同模型时，使用加入新数据后训练的模型效果有了显著的提升。FrameNet是一个语言资源库，一个Frame由一个词法单元(Lexical Unit)和多个框架元素(Frame Elements)构成，这与一

本以为so easy，结果搞了一天，记录一下，方便以后回顾，如果能帮到你那最好了！1.准备数据与预处理首先需要一份比较大的中文语料数据，我用的 中文维基百科.中文维基百科的数据不是太大，xml的压缩文件大约1G左右。首先用 process_wiki_data.py处理这个XML压缩文件，执行python process_wiki_data.py zhwiki-latest-pages-articl

Anaconda设置环境变量当没有按照默认设置安装Anaconda时（比如更改安装目录在D盘的时候），需要自己设置环境变量。D:\Anaconda3\Python需要D:\Anaconda3\ScriptsAnaconda 自带脚本（conda、jupyter notebook、ipython）D:\Anaconda3\Library\binjupyter notebook动态库D:\Anacon

存储位置/data/db/table/分区名//data/db/table/分区名/part目录/part 是分区下的物理数据块，每次插入（INSERT）都会生成一个新的 part（一个目录）。一个分区下面有很多个 part，ClickHouse 后台会不断合并这些 part 来保持性能。数据表 → 分区（Partition） → 数据分片（Part） → 数据文件。数量分区通常按天/月/字段生成

││││阶段关键技术代表模型主要解决问题RNN / LSTM循环网络Seq2Seq建模序列依赖Attention加权机制建模长程依赖自注意力并行、性能高BERT预训练 + 微调通用语言理解GPT / LLM大规模自回归通用生成与推理。

││││阶段关键技术代表模型主要解决问题RNN / LSTM循环网络Seq2Seq建模序列依赖Attention加权机制建模长程依赖自注意力并行、性能高BERT预训练 + 微调通用语言理解GPT / LLM大规模自回归通用生成与推理。

存储位置/data/db/table/分区名//data/db/table/分区名/part目录/part 是分区下的物理数据块，每次插入（INSERT）都会生成一个新的 part（一个目录）。一个分区下面有很多个 part，ClickHouse 后台会不断合并这些 part 来保持性能。数据表 → 分区（Partition） → 数据分片（Part） → 数据文件。数量分区通常按天/月/字段生成

││││阶段关键技术代表模型主要解决问题RNN / LSTM循环网络Seq2Seq建模序列依赖Attention加权机制建模长程依赖自注意力并行、性能高BERT预训练 + 微调通用语言理解GPT / LLM大规模自回归通用生成与推理。

Jupyter去使用pytorch的方法我们的Jupyter是默认在base环境中的，而我们的安装的pytorch虚拟环境可能不在base环境中，那我们在Jupyter中就无法使用pytorch,解决的办法有两种第一种方法：在base中安装pythorch看我之前的博客安装pytorch链接: [link](https://www.csdn.net/).图片:带尺寸的图片:居中的图片:居中并且带尺