导读近年来，大规模预训练模型在自然语言处理任务上取得了巨大的成功。对预先训练好的语言模型进行微调是目前自然语言处理任务中的普遍范式，在许多下游任务上表现出了极好的性能。全参数微调，即对模型的所有参数进行训练，是目前将预训练模型应用到下游任务的最通用方法。然而，全微调的一大弊病是对于每一个任务，模型均需要保留一份大规模的参数备份，在下游任务量很大时这种做法会相当昂贵。在预训练模型越来越大，不断逼近到

一、准备项目我写的是一个爬取某ppt网站的代码，就一个ppt1.py是爬虫，然后，ppts是存放下载的ppt的二、准备requirement.txt文件这个是需要哪些python库支持，写好三、准备Dockerfile文件需要一个名为Dockerfile的文件，没有后缀，这个创建docker镜像的配置文件FROM python:3.6ENV PATH /usr/local/bin:$PATHADD

micro-F1和macro-F1详解摘要micro-F1：macro-F1：weighted-F1调参摘要F1-score：是统计学中用来衡量二分类模型精确度的一种指标，用于测量不均衡数据的精度。它同时兼顾了分类模型的精确率和召回率。F1-score可以看作是模型精确率和召回率的一种加权平均，它的最大值是1，最小值是0。在多分类问题中，如果要计算模型的F1-score，则有两种计算方式，分别为m

Probability & StatisticsMachine LearningText MiningNatural Language Processingreferencehttps://github.com/graykode/nlp-roadmap

1.框架Estimator是属于High level的APIMid-level API分别是 —— Layers：用来构建网络结构、Datasets: 用来构建数据读取pipeline、Metrics：用来评估网络性能2.使用创建一个或多个输入函数，即input_fn定义模型的特征列,即feature_columns实例化 Estimator，指定特征列和各种超参数在 Estimator 对象上调

SSL出现问题urllib.error.URLError: <urlopen error [SSL: CERTIFICATE_VERIFY_FAILED] certificate verify failed解决办法方法1 全局取消证书验证import sslssl._create_default_https_context = ssl._create_unverified_context方法

centos7自带版本是python2.7如果要用的3.0以上的版本需要手动安装，下载地址：https://www.python.org/ftp/python/1、先查看系统python的位置在哪儿whereis pythonpython2.7默认安装是在 /usr/bin目录中，切换到/usr/bin/cd /usr/bin/ll python*从下面的图中我们可以看到，python指向的是py