使用 vscode 的时候偶然触发 bug：使用快捷键选中多行代码进行批量注释或解注释之后，vscode 程序直接闪退。

ChatGLM-6B 是一个开源的、支持中英双语的对话语言模型，基于 General Language Model (GLM) 架构，具有 62 亿参数。结合模型量化技术，用户可以在消费级的显卡上进行本地部署（INT4 量化级别下最低只需 6GB 显存）。 ChatGLM-6B 使用了和 ChatGPT 相似的技术，针对中文问答和对话进行了优化。经过约 1T 标识符的中英双语训练，辅以监督微调、反

ChatGLM-6B 是一个开源的、支持中英双语的对话语言模型，基于 General Language Model (GLM) 架构，具有 62 亿参数。结合模型量化技术，用户可以在消费级的显卡上进行本地部署（INT4 量化级别下最低只需 6GB 显存）。 ChatGLM-6B 使用了和 ChatGPT 相似的技术，针对中文问答和对话进行了优化。经过约 1T 标识符的中英双语训练，辅以监督微调、反

这是初识SDR的SDR#(SRDSharp)篇SDRSharp的安装首先，先下载SDRSharp相关文件夹。这时，面对一堆文件不知所措的同学们来说，可以尝试把每个文件都打开试试。这里建议 .bat 为后缀的文件，需要多次打开确认安装相关文件成功，如果长时间没有安装进度更新，请耐心等待。安装成功后的文件夹列表如图（参考而已，可能存在差异）：其中，名为 “tmp”的文件夹就是其打开bat后...

本文主要是记录一下自己过滤分类信息的一个步骤。主要目的是从爬取的素材中得到一个集中、有效的、有关网络暴力的中文词库。主要思路是将已分词的素材 source.txt通过 word2vec 训练出一个模型 vectors.bin，再把人工挑选的种子库 feed.txt 中的种子输入模型，得到相似的词，最后获得词库。目录文本预处理准备语料构建种子库Word2vec模拟Linux环境（Cygwin）wor

博主是学习了数据挖掘课后，结合教材和老师的课件，总结了这门课整体的一个知识点框架，还算比较详细，希望大家在学习数据挖掘的时候能够给大家一个参考，以及知识点的查漏补缺。有遗漏和错误的地方多谢指正。参考教材：《数据挖掘：概念与技术》，（美）Jiawei Han / （加）Micheline Kamber / （加）Jian Pei，机械工业出版社课件暂时不能分享，毕竟没有经过老师同意标注 * 星号的为

本文主要是记录一下自己过滤分类信息的一个步骤。主要目的是从爬取的素材中得到一个集中、有效的、有关网络暴力的中文词库。主要思路是将已分词的素材 source.txt通过 word2vec 训练出一个模型 vectors.bin，再把人工挑选的种子库 feed.txt 中的种子输入模型，得到相似的词，最后获得词库。目录文本预处理准备语料构建种子库Word2vec模拟Linux环境（Cygwin）wor

ChatGLM-6B 是一个开源的、支持中英双语的对话语言模型，基于 General Language Model (GLM) 架构，具有 62 亿参数。结合模型量化技术，用户可以在消费级的显卡上进行本地部署（INT4 量化级别下最低只需 6GB 显存）。 ChatGLM-6B 使用了和 ChatGPT 相似的技术，针对中文问答和对话进行了优化。经过约 1T 标识符的中英双语训练，辅以监督微调、反

ChatGLM-6B 是一个开源的、支持中英双语的对话语言模型，基于 General Language Model (GLM) 架构，具有 62 亿参数。结合模型量化技术，用户可以在消费级的显卡上进行本地部署（INT4 量化级别下最低只需 6GB 显存）。 ChatGLM-6B 使用了和 ChatGPT 相似的技术，针对中文问答和对话进行了优化。经过约 1T 标识符的中英双语训练，辅以监督微调、反