bert微调步骤：首先从主函数开刀：copyrun_classifier.py 随便重命名 my_classifier.py先看主函数：if __name__ == "__main__":flags.mark_flag_as_required("data_dir")flags.mark_flag_as_required("task_name")flags.mark_flag_as_required

ubuntu下安装新版QQ喜欢使用ubuntu系统的朋友都知道，在ubuntu下用QQ一直是一个大难题。但是在生活中，却很难摆脱对QQ的依赖。在ubuntu下使用QQ有着各种各样的问题：QQ for linux虽然能够使用，但是由于长期以来没有更新，此版本的QQ的界面以及功能都不尽如人意；而网页的QQ就更不用说了，功能实在太少了。还好，网上有大神开发出了新版的wineQQ，解决了我们对QQ的需求

运行了多次.sh文件不停地报错如下：1语法错误: 未预期的文件结尾2未预期的符号 `$'do\r'' 附近有语法错误看上面应该是语法错误，但无论怎么改还是报错，经过一番探索发现，自己的文件是从windows里面拷贝到linux的，可能是两种系统格式不一样。解决方法如下：（1）打开notepad++编辑.sh文件（2）notepad++右下角将windows模式改为linux模式也可以这么解决：比如

最近在系统学习多线程并发的课程，课程中讲到了unsafe类，由于unsafe类在jdk中看不到源码，在idea中打开是反编译的，看不到具体的注释，所以去github上拉取openjdk的源码，openjdk上可以看到源码注释，但是在拉取时，一开始是好好地，但是拉取了一二十分钟后，突然报错了以前在github上拉取过很多图书的源码（买了很多技术书籍），拉取代码都是正常的，就是这次出错了，解决方法也很

bin文件文件位置：/transformers/modeling_bert.pyBERT_PRETRAINED_MODEL_ARCHIVE_MAP = {"bert-base-uncased": "https://s3.amazonaws.com/models.huggingface.co/bert/bert-base-uncased-pytorch_model.bin","bert-large-

参考链接：https://github.com/bermanmaxim/jaccardSegment/blob/master/ckpt_to_dd.py一. tensorflow模型转pytorch模型import tensorflow as tfimport deepdish as ddimport argparseimport osimport numpy as npdef tr(v):# t

在深度学习模型训练过程中，在服务器端或者本地pc端，输入nvidia-smi来观察显卡的GPU内存占用率（Memory-Usage），显卡的GPU利用率（GPU-util），然后采用top来查看CPU的线程数（PID数）和利用率（%CPU）。往往会发现很多问题，比如，GPU内存占用率低，显卡利用率低，CPU百分比低等等。接下来仔细分析这些问题和处理办法。1. GPU内存占用率问题这往往是由于模型的

1. 查看CUDA版本cuda默认安装在/usr/local目录，可以使用ls -l /usr/local | grep cuda查看该目录下有哪些cuda版本假设有如下输出：lrwxrwxrwx 1 root root8 Apr 26 2019 cuda -> cuda-9.0drwxr-xr-x 11 root root 4096 Apr 26 2019 cuda-10.0drwxr-x

一、介绍warmup顾名思义就是热身，在刚刚开始训练时以很小的学习率进行训练，使得网络熟悉数据，随着训练的进行学习率慢慢变大，到了一定程度，以设置的初始学习率进行训练，接着过了一些inter后，学习率再慢慢变小；学习率变化：上升——平稳——下降；具体步骤：启用warm up，设置warm up setp（一般等于epoch*inter_per_epoch），当step小于warm up setp时

在深度学习模型训练过程中，在服务器端或者本地pc端，输入nvidia-smi来观察显卡的GPU内存占用率（Memory-Usage），显卡的GPU利用率（GPU-util），然后采用top来查看CPU的线程数（PID数）和利用率（%CPU）。往往会发现很多问题，比如，GPU内存占用率低，显卡利用率低，CPU百分比低等等。接下来仔细分析这些问题和处理办法。1. GPU内存占用率问题这往往是由于模型的