另外，给大家推荐一下自己动手写代码实践一下，代码模块可以丢给文心一眼，GPT4，这些写代码的能力相当的不错，甚至运行出了问题，直接把问题输入给它，还能自己改正。有了原理还需要进行代码实践，这篇文章从0开始讲解了一个简易的Transformer版本和真实版本的代码注释，值得详细读一下。最近研究GPT，深入的从transfomer的原理和代码看来一下，现在把学习的资料和自己的理解整理一下。这个文章写的

1  公司项目需要，需要通过 c#往java提交json字符串。使用utf-8模式，但是实际中发现，一直有乱码，其他字符，中文，英文都正常。就是碰到 %会出现乱码。然后 %后面的其他字符也会乱码。2 实际测试发现，这是两个系统不兼容导致的。%貌似是一个系统默认的特殊字符。解决方案是 把 % 替换成一个约定的字符 比如 ~~，然后在接收方，再转义回来就可以了。

1，项目需要用到多数据，选来选取，打算用 mybatisplus的方案，比较简洁，参考，官方文档多数据源 | MyBatis-Plus几步配置完成，但是启动的时候一直报错，报dynamic-datasource Please check the setting of primary，最后发现是版本的问题，我的初始版本3.2.0，后续改成3.5.0就可以了。...

网上对于每个定义分别讲述的很深，但是很少又把他们联系起来的。首先，所有的定义均来自下面的图，一定要理解好。 1  精准率和召回率，通常用在搜索的评价场合。    精准率表示:应该被搜索到的而且实际也搜索出来的(TP)/所有搜索出来的(TP+FP)    召回率表示:应该被搜索到的而且实际也搜索出来的(TP)/所有应该被搜索到(TP+FN)而 TN 表示不应该被搜索到实际...

玻尔兹曼机特点： • Boltzmann机是第一个受统计力学启发的多层学习机，它是一类典型的随机神经网络属于反馈神经网络类型。其命名来源于Boltzmann在统计热力学中的早期工作和网络本身的动态分布行为 。• 它在神经元状态变化中引入了统计概率，网络的平衡状态服从Boltzmann分布，网络运行机制基于模拟退火算法。• Boltzmann机结合多层前

玻尔兹曼机特点： • Boltzmann机是第一个受统计力学启发的多层学习机，它是一类典型的随机神经网络属于反馈神经网络类型。其命名来源于Boltzmann在统计热力学中的早期工作和网络本身的动态分布行为 。• 它在神经元状态变化中引入了统计概率，网络的平衡状态服从Boltzmann分布，网络运行机制基于模拟退火算法。• Boltzmann机结合多层前

除了最简单的N-gram模型，还有比较复杂的模型。比如最大熵模型和隐马尔科夫语言模型。  关于最大熵模型详细解释，请参考。http://blog.csdn.net/changdejie/article/details/78201001隐马尔可夫模型        很多语言问题可以转换成隐马尔科夫模型进行求解。例如，语音识别，序列标注(词性识别，句法分析，实体抽取)