参考：https://llamafactory.readthedocs.io/zh-cn/latest/getting_started/data_preparation.html。

以上会议涵盖学术研究（如EI/Scopus收录会议）、产业应用（如深圳AGIC博览会）、区域合作（如东盟大会）及垂直领域（如教育、艺术）。• 亮点：全球规模最大的AI展会之一，覆盖具身智能、大模型、AI芯片等，设八大行业场景展区，华为、腾讯等巨头参展。• 亮点：聚焦中国与东盟AI合作，涵盖智能制造、跨境电商等六大主题，设政企闭门对接和低空经济分论坛。• 亮点：学术导向，EI和Scopus收录，聚焦

项目：https://github.com/timeseriesAI/tsai简介：用于处理时间序列的工具库，包含TCN、Rockert等众多时间序列处理算法。

1.创建新的conda环境，避免把原有的环境给搞坏。在CMD中执行，而不是在anaconda的命令行中执行：conda create -n 环境名 --offline python=3.82.在pycharm中配置conda环境：setting->Project Interpreter->齿轮->add->conda 环境->已存在的->新环境下的python.

知识图谱是一种结构化的语义知识库，能够描述物理世界的实体、概念及其相互关系，本质是用于表示知识，给机器提供先验知识。换句话说，还有其它用于知识表示的方法，知识图谱只是其中的一种。知识是经过剪裁、塑造、解释、选择和转换了的信息如：“奥巴马是美国的前总统”，对机器而言就是一句话，不知道在讲什么；处理一下，如变成三元组：（美国，前总统，奥巴马），这就是一条知识了。这个转换的过程，就是知识表示将人类知识形

为什么CUDA装好了，Tensorflow-GPU不能用？当我们把CUDA、cudnn、tensorflow-GPU都装好，但在tensorflow GPU测试tf.test.is_gpu_avaiable()却始终返回false，怎么办？import tensorflow as tftf.test.is_gpu_available()FALSE可能的原因如下：——————————————————

以上会议涵盖学术研究（如EI/Scopus收录会议）、产业应用（如深圳AGIC博览会）、区域合作（如东盟大会）及垂直领域（如教育、艺术）。• 亮点：全球规模最大的AI展会之一，覆盖具身智能、大模型、AI芯片等，设八大行业场景展区，华为、腾讯等巨头参展。• 亮点：聚焦中国与东盟AI合作，涵盖智能制造、跨境电商等六大主题，设政企闭门对接和低空经济分论坛。• 亮点：学术导向，EI和Scopus收录，聚焦

教程基于《无人驾驶原理与实践》2.6.4，先指出书中有3点错误：1.创建的包名为husky_highlevel_controller，但后文和程序中中多次变成husky_high_level_controller，统一用一个名称即可，本文用的husky_highlevel_controller，涉及修改的地方有include/husky_high_level_controller目录，CmakeL

2024.11.13阶段性总结方案挑选从简单到复杂，简单方案有简单方案的优点，有时候杀鸡不需要牛刀。面对一个场景，不知道怎么选方案或模型时，可以优先用Glove或者Fasttext完成词向量训练，使用词向量平均的方式来获得句向量，成本非常低，快速在应用中构建出一个基准模型，后期若发现应用中存在着多义词、或者或句子中词的顺序敏感的场景，则可以考虑换用bert类的方法进行微调或者直接使用专门的嵌入模型

1.英文通常以单词为单位，中文以字为单位；2.目前SOTA级别的模型：BERT+CRF3.基于实体词典和深度学习方法的区别？实体词典很好用，每在词典中增加一个词条都能立竿见影的增加可以识别的实体。但此方法最大的问题在于：一，词典的扩充是一个比较费时费力的事情；二，未登录词OOV无法识别；三，无法识别多义词，如苹果。深度学习方法，如BERT+CRF能处理多义词的问题，通过一个词的上下文来确定其语义。