- @csdn_1_10086
简介
该用户还未填写简介
擅长的技术栈
可提供的服务
暂无可提供的服务
github打开加速
摘要： 提示词工程（Prompt Engineering）是通过科学设计输入指令来优化大语言模型输出的关键技术，无需编程即可显著提升AI生成内容的质量。本文系统介绍了提示词工程的核心方法，包括结构化提示词的5大模块（角色、任务、技能、格式、限制）、6种常用框架（如Co-STAR、RTF、思维链等）及多模态应用技巧。通过对比非结构化与结构化提示词的差异，结合职场PPT设计、文案生成等实例，帮助读者掌
编程遇到的一些问题的集合
AUC = 0.506031AUC(area under the curve)是模型评估指标，特别是二分类模型使用的主要离线评测指标之一。参考博客，AUC值是ROC曲线与x轴围成的面积。AUC的来源路线：混淆矩阵--ROC曲线--AUC1.混淆矩阵(二分类)TPR(真正例概率)=TPTP+FNTPR(真正例概率)={ \frac {TP} {TP+FN}}TPR(真正例概率)=TP+FNTPFP
AUC = 0.506031AUC(area under the curve)是模型评估指标，特别是二分类模型使用的主要离线评测指标之一。参考博客，AUC值是ROC曲线与x轴围成的面积。AUC的来源路线：混淆矩阵--ROC曲线--AUC1.混淆矩阵(二分类)TPR(真正例概率)=TPTP+FNTPR(真正例概率)={ \frac {TP} {TP+FN}}TPR(真正例概率)=TP+FNTPFP
AUC = 0.506031AUC(area under the curve)是模型评估指标，特别是二分类模型使用的主要离线评测指标之一。参考博客，AUC值是ROC曲线与x轴围成的面积。AUC的来源路线：混淆矩阵--ROC曲线--AUC1.混淆矩阵(二分类)TPR(真正例概率)=TPTP+FNTPR(真正例概率)={ \frac {TP} {TP+FN}}TPR(真正例概率)=TP+FNTPFP
AUC = 0.506031AUC(area under the curve)是模型评估指标，特别是二分类模型使用的主要离线评测指标之一。参考博客，AUC值是ROC曲线与x轴围成的面积。AUC的来源路线：混淆矩阵--ROC曲线--AUC1.混淆矩阵(二分类)TPR(真正例概率)=TPTP+FNTPR(真正例概率)={ \frac {TP} {TP+FN}}TPR(真正例概率)=TP+FNTPFP
ValueError: multiclass format is not supported找到报错的位置def compute_auc(pred, label):if isinstance(pred, torch.Tensor):pred = pred.cpu().detach().numpy().flatten()if isinstance(label, torch.Tensor):label