谷歌发布的chinese_L-12_H-768_A-12还有哈工大的chinese-bert-wwm/chinese-bert-wwm-ext以及HuggingFace上的bert-base-chinese(由清华大学基于谷歌的BERT在中文数据集上训练开发的模型，上传在HuggingFace)我好像记得谷歌也开源过bert-base-chinese？谷歌的是tf写的，需要借助转换脚本将其转化为p

【代码】python使用openai库0.x版本升级为1.x版本代码所需改动。

python安装docx包运行时报错ERROR: No matching distribution found for exceptions原因docx包是使用python2针对word2007版本开发的第三方库，随着word的升级尤其是python版本的升级不再适用，可以安装新的word处理包来解决问题。pip install python-docx...

tensorflow-gpu报错 self._traceback = tf_stack.extract_stack()该报错为显存满了此时可以通过在cmd输入命令 nvidia-smi 查看GPU运行状态，很有可能会因为输入的batch_size或者隐藏层层数太多，显存已经占满还未能将数据全部加载，此时gpu不会开始工作（类似于内存与cpu），使用率为0%解决办法：调小bath_size和隐藏层层

先给解决方案只要在pycharm中将base环境对应的python解释器删除，再重新绑定一下就行了。

anaconda 多个虚拟环境下使用spyder / jupyter的一点心得当在anaconda下装多个虚拟环境时，使用时每一个环境都会对应一个spyder，我尝试使用同一个spyder连接到不同环境下的python解释器，行不通，会出现无法新建控制台的情况。看似更换了解释器，其实还是原来的，且无法新建console。解决办法需要在不同的虚拟环境下下载不同的spyder，运行时直接在电脑搜spy

tensorflow-gpu报错 self._traceback = tf_stack.extract_stack()该报错为显存满了此时可以通过在cmd输入命令 nvidia-smi 查看GPU运行状态，很有可能会因为输入的batch_size或者隐藏层层数太多，显存已经占满还未能将数据全部加载，此时gpu不会开始工作（类似于内存与cpu），使用率为0%解决办法：调小bath_size和隐藏层层

tensorflow-gpu报错 self._traceback = tf_stack.extract_stack()该报错为显存满了此时可以通过在cmd输入命令 nvidia-smi 查看GPU运行状态，很有可能会因为输入的batch_size或者隐藏层层数太多，显存已经占满还未能将数据全部加载，此时gpu不会开始工作（类似于内存与cpu），使用率为0%解决办法：调小bath_size和隐藏层层

tensorflow 禁止gpu加速

由于onedrive空间变小，所以以后不能浪了，东西还是要整理，可以定期清除历史版本，或者在编辑word时，关闭onedrive的同步（2h,8h,或者24h），在word编辑完成后再打开同步，减少同名文件历史版本的产生。其实onedrive里边文件并不多，占用空间很大是因为它自动保存的版本太多了，尤其是有的甚至保存了1000多个历史版本，直接占用了我几十个G的空间，点击删除历史版本就会自动保留最