格式list[start :end :方向]start——>开始下标位置end——>结束下标位置方向——> 读取方向。默认正向，-1表示反方向读取import numpy as npa=[1,2,3.4,5]print(a)[ 1 2 3 4 5 ]print(a[-1]) # 正向读取最后一个元素[5]print(a[:-1])# 正向除了最后一个全部读取[ 1 2 3 4 ]

文件没有传完整导致报错。

格式化代码 选中需要缩进的代码段，然后ctrl + k + f 即可实现格式化 缩进 先后缩进：直接Tab 先前缩进：Shift+Tab

协同训练(co-training)是非常有效的半监督学习方法,但必须将特征集自然分割成两个可以充足构造分类器的子集合,并且要求它们之间在给定的类别下条件相互独立。Q：那是不是说如果数据有多视角的情况下，co-training比self-training好，而数据只有单一视角的时候，两者差不多呢？A：co-training就是因为有多视图才叫co-training，如果只有单一视图，就没有co-tr

协同训练(co-training)是非常有效的半监督学习方法,但必须将特征集自然分割成两个可以充足构造分类器的子集合,并且要求它们之间在给定的类别下条件相互独立。Q：那是不是说如果数据有多视角的情况下，co-training比self-training好，而数据只有单一视角的时候，两者差不多呢？A：co-training就是因为有多视图才叫co-training，如果只有单一视图，就没有co-tr

安装transfomers成功了，但是tokenizers怎么也装不上。自己下载，注意与tranformers版本的对应。那策略就是自己分开安装tokenizer。如图，安装了rust也同样报错。可以直接pip，也可以去。

安装transfomers成功了，但是tokenizers怎么也装不上。自己下载，注意与tranformers版本的对应。那策略就是自己分开安装tokenizer。如图，安装了rust也同样报错。可以直接pip，也可以去。

查了一圈，是因为tensorflow版本太高，我装的2.0的版本，换成1.15就好了。

在加载前需要统一模型文件名。比如bin文件都得叫pytorch_model.bin，配置文件都得叫config.json，词汇文件都得叫vocab.txt或json。这个是因为源码中的判断要求，所以别问，问就是改名。(https://blog.csdn.net/qq_33293040/article/details/109534923)RoBERTa中的merge.txt和vocab.json是什

在学pytorch的过程中遇到了要求tensor元素个数的操作，从而有了以下代码：import torchimport numpy as npdef test():torch.manual_seed(1)a = torch.randn(3, 4)print(a)print(a.size())print(*a.size())print(np.multiply(*a.size()))test()输出：