错误原因使用了 torch.load() 加载模型解决办法使用 model.load_state_dict(torch.load(./model.pt,map_location=‘cpu’),strict=False)map_location：当模型训练的时候用的 gpu 但是加载的时候用的是 cpu 环境，这个时候要进行映射strict=False 否则容易报错：Unexpected key(s

网上有很多策略，要么只能在 windows 系统上使用，要么就是从网络上调模型慢得很，这边提供一款在 macos 上使用 python 进行 OCR 的简单方法。

文章目录pyautogui获取鼠标位置键盘相关鼠标相关通过图片定位位置keyboard小训练pyautogui官方文档速览https://pyautogui.readthedocs.io/en/latest/index.html获取鼠标位置能够实现下面功能：获取当前鼠标的坐标信息import pyautogui as pgpos = pg.position()print(pos.x,pos.y)键

诱因最近 conda 太不给力了，清华源的 conda 总是给默认装 cpu 版本，conda 自己速度又不太给力，所以干脆直接用 pip 解决但是 pip 通常无法提供像 conda 一样便捷的服务，需要考虑和解决很多版本适配的问题，所以这里介绍一种方法，直接 pip 一步到位方法pip install torch==1.7.1+cu101 torchvision==0.8.2+cu101 to

文章目录功能模型（functional）和非功能（non-functional）模型功能模型非功能模型体系结构模型（Architectural Model）体系结构中进程扮演的角色（Process Role）用户接口的进程（User Interface Process）用于缓冲数据的进程（Data Cache Process）用于通信中继的进程（Communication Relay Proces

【代码】NLP学习之：BERT论文复现（2）token embedding + segment embedding + position embedding。

文章目录展示整体代码1.导入相应模块2. 加载、提取数据集的数据3. 对数据进行维度调整4. 创建决策树5. 投喂数据进行训练6. 评估模型疑问：展示整体代码from sklearn import treeimport numpy as npdataset = np.load('mnist.npz')x_train = dataset['x_train']y_train = dataset['y_

文章目录自编码器是什么四种不同的自编码器及 keras 实现自编码器的 pytorch 实现（基于 mnist）自编码器是什么参考文章：一文带你了解自编码器（AutoEncoder）四种不同的自编码器及 keras 实现参考文章：自编码器是什么？有什么用？这里有一份入门指南（附代码）基于 keras 的四种自编码器的实现自编码器的 pytorch 实现（基于 mnist）参考文章：torch实现自

进行点乘，是不是就可以获得 I 对其他所有单词的值（有几个单词就产生几个值）但是这些值还不能叫做权重，因为相似度计算出的值范围根本不确定；- 最终我们要做的事情，是生成一组张量，这个张量代表着每个词跟其他所有词的关系，是相近还是疏远。是完全一样的东西，都只是线性层的输出而已，但是为了进行后面的操作，我们人为地对这些向量进行区分。这些词向量，也通过相同的方式获得了他们各自的最终和其他词向量在高维空间

文章目录1. 构建神经网络2. 冻结特定层的网络权重3. 冻结与非冻结的效果对比3.1 冻结网络训练的结果3.2 解冻网络训练的结果3.3 结论4. 冻结更多的参数，看是否会降低训练精度5. 冻结整个网络的全部参数，看会出现什么情况1. 构建神经网络这里以简单的 cnn 网络为例注意：由于我在第 2 步中冻结了输出层的参数，为了与其他层进行区分，我在定义网络的时候给输出层起了个名字，“output