什么是逻辑回归LR 是 Logistic Regression Classifier，本质上是线性回归，特殊之处在于特征到结果的映射中加入了一层逻辑函数 g(z) 是 sigmoid 函数。因此逻辑回归 = 线性回归 + sigmoid。线性回归公式：y=wTx+by = w^Tx + by=wTx+b有时候为了方便，将权值向量和输入向量加以扩充，仍记作 w,xw, xw,x 即 w=(w(1),

原文链接：动手学深度学习pytorch版：7.8 Adam算法github：https://github.com/ShusenTang/Dive-into-DL-PyTorch[1] Kingma, D. P., & Ba, J. (2014). Adam: A method for stochastic optimization. arXiv preprint arXiv:1412.69

Gao T, Fisch A, Chen D. Making pre-trained language models better few-shot learners[J]. ACL 2021.Github：https://github.com/princeton-nlp/LM-BFF摘要GPT3效果很好，但是太大了，不实用。受启发于GPT3 使用 prompt 做 Few-shot 任务表现不错

文章目录1. pdman下载2. pdman优点3. 使用教程3.1 创建并打开一个 hello 项目3.2 设置3.3 创建数据库、表3.4 创建一个字段3.5 关系图3.6 同步到数据库3.6.1 建立连接3.6.2 同步1. pdman下载点击跳转下载地址安装记得换盘，然后直接无脑next2. pdman优点画 E-R 图和同步一体，建库很方便可版本控制3. 使用教程3.1 创建并打开一个

原文链接：动手学深度学习pytorch版：7.6 RMSProp算法github：https://github.com/ShusenTang/Dive-into-DL-PyTorch原论文：[1] Tieleman, T., & Hinton, G. (2012). Lecture 6.5-rmsprop: Divide the gradient by a running average

文章目录GPT-1：无监督学习GPT-1原理介绍预训练模型（无监督）fine-tuning（有监督）小结GPT-2：多任务学习GPT-2的改进模型参数为什么GPT-2能够适应多任务？GPT-3：海量参数AbstractIntroductionGPT-1：无监督学习GPT-1原理介绍GPT模型主要包含两个阶段，第一个阶段，先利用大量未标注的语料预训练一个语言模型，接着，在第二个阶段对预训练好的语言模

sklearn 里面有分割数据集的方法，如下：from sklearn.model_selection import train_test_splitX_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2)如果想要保存为文件的话，可以用下面的代码：import randomdef split(fname, tr

文章目录Python sorted()函数描述语法例子sorted() 函数与 lambda 表达式结合例子1. 使用 lambda 表达式对一维数组进行倒序排序2. 按照二维矩阵下标为 1 的列进行排序3. 对字典数组的某一关键字进行排序4. 先按照成绩降序排序，相同成绩的按照名字升序排序Python sorted()函数描述sorted() 函数是全局排序函数，对所有可迭代的对象进行排序操作，

文章目录1. pdman下载2. pdman优点3. 使用教程3.1 创建并打开一个 hello 项目3.2 设置3.3 创建数据库、表3.4 创建一个字段3.5 关系图3.6 同步到数据库3.6.1 建立连接3.6.2 同步1. pdman下载点击跳转下载地址安装记得换盘，然后直接无脑next2. pdman优点画 E-R 图和同步一体，建库很方便可版本控制3. 使用教程3.1 创建并打开一个