前言内容来自09 Softmax 回归 + 损失函数 + 图片分类数据集【动手学深度学习v2】_哔哩哔哩_bilibili动手学深度学习 v2 - 从零开始介绍深度学习算法和代码实现课程主页：https://courses.d2l.ai/zh-v2/教材：https://zh-v2.d2l.ai/https://www.bilibili.com/video/BV1K64y1Q7wu?p=43.6.

参考沐神7.6. 残差网络（ResNet） — 动手学深度学习 2.0.0-beta0 documentationhttps://zh-v2.d2l.ai/chapter_convolutional-modern/resnet.htmlResNet结构这次就浅记一下，不深入讲解了。创新点是引入残差块，残差块有很好的性质。先看下面内容再展开残差块。简单说一下上图，对于输入X和标签y，我们希望学习一个

定义数据集读取类和模型类#数据集读取#读取单个样本,0,

最后来总结一下使用paddlenlp完成医疗文本分类的流程，详细代码请移步医疗文本分类~导包：参考github代码定义指标类别：对于不同的子数据集及任务，使用不同的指标如Accuracy、MultiLabelsMetric、AccuracyAndF1。添加命令行参数：主要用于接受用户从控制台输入的参数。设置随机种子：用于复现训练和测试结果，方便后续进行调试。定义评估方法：传入model、数据加载器

多头的话，就是把d_model拆分成多个头，然后交换sequence_length和n_head进行自注意力计算，得到的张量再还原回去，最后过一层线性层作为输出。公式比较简单，softmax(q*k/sqrt(d_k))*v。记录一个coding模版，记得加上mask和dropout。

UC伯克利学者联手CMU、斯坦福等，再次推出一个全新模型70亿/130亿参数的Vicuna，俗称「小羊驼」（骆马）。小羊驼号称能达到GPT-4的90%性能本篇文章为博主自行学习vicuna推理部署实战教程，并记录相关坑点，话不多说，直接开干！

现在免费的gpu资源有不少，但很多都限值了只能用自己公司的框架，今天我来给大家分享3个框架不受限制的免费GPU资源。对算法小白用来试手、研究生跑实验极其友好~

许久以来都有一个疑问，numpy中的一维向量究竟是行向量还是列向量呢？今天得空，测试一下。思路思路很简单，利用点乘两个向量维度要对应的特性测试。1.创建一个4*2矩阵a和一个一维numpy向量b2.使a点乘b，如果a和b的点乘np.dot(a,b)不报错，就说明一维向量b为2*1的列向量。如果报错，说明b肯定不是列向量。3.如果2不报错，将b转置，再使a点乘b，如果a和b的点乘np.dot(a,b

参考沐神6.6. 卷积神经网络（LeNet） — 动手学深度学习 2.0.0-beta0 documentationhttps://zh-v2.d2l.ai/chapter_convolutional-neural-networks/lenet.htmlLeNet的结构图这里沐神稍微做了一点小小的变化，就是最后全连接后面的高斯连接层去掉了，其他和LeNet是完全一样的！LeNet流程输入图片为28

个人状况介绍第一次参加数学建模类比赛，无MATLAB基础。。。以前一直以为数学建模全是用matlab做的，这次长见识了。技术栈很浅，本科期间花里胡哨啥都学过一点，都没怎么学深（没错，混子说的就是我！！！QAQ）。人工智能方面本科倒是一点都没接触过，研一暑假稍微看了看机器学习，学的也不是很深，也就是大概知道是个怎么回事，能简单敲两句代码，你让我说底层，我还真不会。。。深度学习和神经网络都没看呢，天知