LLM报错ValueError: Cannot handle batch sizes > 1 if no padding token is defined.的解决方案

本文以我自己的实验数据来作为样例说明何为macro F1与micro F1目录1 前置知识2 macro-F1与micro-F12.1 使用场景2.2 计算方法3 总结4 参考1 前置知识关于F1 score的内容如果还不清楚的朋友，可以参考我的上一篇博客：《机器学习学习笔记（1）——错误率、精度、准确率、召回率、F1度量》这里就只简单的提一下核心的混淆矩阵与公式：F1 score的公式：F1=2

对了宝贝儿们，卑微小李的公众号【野指针小李】已开通，期待与你一起探讨学术哟~摸摸大！目录1 离散型随机变量1.1 （0-1）分布1.2 伯努利试验1.3 二项分布1.4 几何分布1.5 泊松分布2. 连续型随机变量2.1 分布函数与概率密度函数2.2 均匀分布2.3 指数分布2.4 正态分布2.4.1 标准正态分布2.4.2 一般正态分布References1 离散型随机变量离散型随机变量指的是取

目录1 self-supervised learning2 pre-train model2.1 one-hot2.2 BOW2.3 TF-IDF2.4 n元语言模型2.5 Word2vec and GloVe2.6 contextualized word embedding参考1 self-supervised learningself-supervised learning (自监督学习)据李

相信许多朋友在使用深度学习时，将模型放在GPU上运行，然后就会报一堆跟CUDA相关的错误，于是开始百度这些错误该怎么修复。得到的结果可能大多数都是该怎么升级CUDA之类的。当按照网上的流程一步步走下来后，却始终无法解决这些问题。而实际上在我遇到的所有跟CUDA相关的错误，其实都与CUDA没有任何关系，比如有可能是你的Embedding层的维度与词表不匹配等。发生这些错误的时候，我建议先将模型放到C

曾经有个人给我说过，当年有个男的追她，天天给她发天气预报。但是女神不会看天气预报啊？或者她不会抬头望望天啊？于是秉持着舔到最后应有尽有，偷懒是人类进步的最大动力这两大原则，我为女神训练出了一个专属的衣服穿搭神经网络。整个项目已开源至github：https://github.com/Balding-Lee/PyTorch-MLP-for-personalized-dress-matching。目录

本文展示的是使用 Pytorch 构建一个 TextCNN 来实现情感分析。本文的架构是第一章详细介绍 TextCNN（不带公式版），第二章是核心代码部分。

本文以我自己的实验数据来作为样例说明何为macro F1与micro F1目录1 前置知识2 macro-F1与micro-F12.1 使用场景2.2 计算方法3 总结4 参考1 前置知识关于F1 score的内容如果还不清楚的朋友，可以参考我的上一篇博客：《机器学习学习笔记（1）——错误率、精度、准确率、召回率、F1度量》这里就只简单的提一下核心的混淆矩阵与公式：F1 score的公式：F1=2

量纲、无量纲，标准化、归一化、正则化是我百度了很多次都不进脑子的知识，所以我决定还是放在博客上面。不过鉴于我查阅了很多资料，说是有许多的坑，所以我也不清楚我的理解和解释是否是坑，具体的就留给各位来帮忙评判了！目录1 量纲与无量纲1.1 量纲1.2 无量纲2 标准化3 归一化4 正则化5 总结6 参考1 量纲与无量纲1.1 量纲量纲我觉得最重要的一句话是：物理量的大小与单位有关。从这句话我们来思考下

prompt learning 有可能会成为下一代预训练语言模型，所以本博客在此简单直观的介绍一下何为 prompt learning。