安装好tensorrt之后，import tensort报错，是因为没有配置好环境变量export LD_LIBRARY_PATH=/models/TensorRT-7.2.3.4/lib:$LD_LIBRARY_PATH/models/TensorRT-7.2.3.4/ 替换为自己的tensorrt安装路径

数据集地址：https://nlp.stanford.edu/sentiment/code.htmldatasetSentences.txt 格式：句子索引 句子内容datasetSplit.txt 格式：句子索引句子属于哪个集合（1 = train 2 = test 3 = dev）train有8544条，dev有1101条，test有 2210条dic...

（1）介绍dropout，为什么可以起到防止过拟合的作用答 ：Dropout是什么？为什么Dropout可以防止过拟合？（2）. 使用的模型的计算量，Flops（3）共享参数，为什么可以提升效果（起到正则化的作用）（4）LSTM和transformer的各自的优缺点，以及复杂度分析（5）BN层和LN层的区别，为什么自然语言处理里面用LN层关于batch normalization和layer no

目前，了解到的深度学习模型集成的方法主要有两种：第一：平均checkpoints即对存储好的多个checkpoint中的参数求平均，然后重新保存。这里的多个checkpoint可以是同一份数据训练，模型收敛后存储的多个模型；也可以是不同的数据训练得到的模型。该方法的优点是可以提高单个模型的效果，并且推理的速度和存储都不会发生变化。缺点在于待平均的模型的结构要完全一致，另外提升的效果不会很大。以py

1. 预测文本最后的位置的汉字，总是预测为标点应该是学习到了，结尾位置是标点的模式，而未学习到上下文关系，句子是否完整的关系

转自：本文链接：docker拉取的pytorch-gpu版找不到cuda和cudnn的位置，为何？_ljp1919的专栏-CSDN博客问题描述pytorch 镜像位置：https://hub.docker.com/r/pytorch/pytorch/tags拉取镜像：docker pull pytorch/pytorch:1.5-cuda10.1-cudnn7-runtime查看本地现有镜像清单：

3090的显卡，需要安装torch1.7.0,cuda11以上版本，否则会报错pip uninstall torchpip install torch==1.7.0+cu110 torchvision==0.8.1+cu110 torchaudio===0.7.0 -f https://download.pytorch.org/whl/torch_stable.html

import torch# expand 将tensor按照某一个维度扩大或者将tensor整体扩大# expand 不会额外分配空间，只是原tensor的一个视图x = torch.tensor([[1], [2], [3]])print(x.size())"""torch.Size([3, 1])"""y = x.expand(3, 4)print(y)"""tensor([[ 1,1,1,1

import torch# torch.masked_select(input, mask, *, out=None) → Tensor# 返回input中mask为True的元素，组成1维tensor# input 和mask的维度不一定要相同,但是需要可以扩展成同样维度x = torch.randn(3, 4)print(x)"""tensor([[ 0.3552, -2.3825, -0.8