总结一下就是为跳板机创建隧道,为服务器创建代理,隧道和代理的端口要一致.前提假设：跳板机 主机地址为：A待登录服务器 主机地址为：Bstep 1、新建跳板机A会话1）连接名称：任意取（如：跳板机）主机：填写跳板机IP或跳板机服务器名称2）用户身份验证填写跳板机A的用户名和密码3）ssh-隧道建立类型：Dynamic（SOCKS4/5）侦听端口：可以自己设置，但必须与待连接服务器的配置一致，如此处假

VS Code的Error: Running the contributed command: '_workbench.downloadResource' failed解决1 问题描述2 解决方案1 问题描述此前，本人参考网上教程在VS Code中配置了“Remote SSH”插件（比如这个教程），本人是在Windows中使用VS Code来连接远程的Linux服务器。但是今天使用遇到了问题Err

用PyTorch加载已经保存好的模型参数文件时遇到一个bug：Unexpected key(s) in state_dict: “module.features. …”.，Expected “.features…”意思是从本地文件中加载模型的state_dict时，state_dict的key值不匹配。查了一些资料后，发现是PyTorch多gpu保存的问题，导致保存下来的state_dict中的k

内容参考：Tensorflow四种交叉熵函数计算公式：tf.nn.cross_entropyTensorFlow四种Cross Entropy算法实现和应用交叉熵（Cross Entropy）交叉熵（Cross Entropy）是Loss函数的一种（也称为损失函数或代价函数），用于描述模型预测值与真实值的差距大小，常见的Loss函数就是均方平方差（Mean Squared Error），定义如下。

问题描述：最近因为课题需要使用allennlp包，self.cp = Predictor.from_path("https://storage.googleapis.com/allennlp-public-models/elmo-constituency-parser-2020.02.10.tar.gz", cuda_device=self.device) 结果出现报错allennlp.commo

运行LLaMA-7b模型有时候会报错“configuration_auto.py in getitem raise。

#!/usr/bin/env python3import torch.nn as nnimport torch.nn.functionalimport numpy as npi#此案例来源于：https://pytorch.org/docs/master/nn.html#torch.nn.LSTMrnn = nn.LSTM(input_size=10,hidden_size=20,num_laye

1 背景前面一篇文章 NLP预训练模型2 – BERT详解和源码分析 中，我们从模型结构、实现源码、实验结果等角度，分析了预训练语言中大名鼎鼎的BERT模型。BERT大幅刷新的GLUE得分，提高了7.7个点之多，甚至有些中文NLP任务上达到了人类水平。那是不是在预训练模型方面就没法进行其他创新了呢，答案显然是否定的。前文中我们也提到了BERT存在的很多缺点，从预训练任务、模型结构、语料数据、模型轻

一、导入  在用python进行科学运算时，常常需要把一个稀疏的np.array压缩，这时候就用到scipy库中的sparse.csr_matrix函数和sparse.csc_matric函数。  其中csr_matrix：Compressed SparseRowmarix,而csc_matric：Compressed SparseColumnmarix。二、引例这里先放上一个官网的经典例子：fr

用google-research官方的bert源码（tensorflow版本）对新的法律语料进行微调，迭代次数为100000次，每隔1000次保存一下模型，得到的结果如下：将最后三个文件取出，改名为bert_model.ckpt.data-00000-of-00001、bert_model.ckpt.index、bert_model.ckpt.meta加上之前微调使用过的config.json以及