平时都是用git checkout 分支名但是这次报错了error: pathspec '.7.16' did not match any file(s) known to git.然后执行命令git fetch就好了git fetch            →→ 这将更新git remote 中所有的远程repo 所包含分支的最新commit-id, 将其记录到.git/FETCH_HEAD文件

强化学习主要是(Reinforcement learning)是一个独立的机器学习研究领域。1.监督学习：监督学习主要希望研究映射关系：：它是待定系数。机器学习范畴：知道x,y,不知道。反向推导出“”训练过程：足够的x,及对应的y，作为参数，逐步求出待定系数的过程当通过这样一个过程学习到应该为什么值的时候，如果再有x，通过函数可以计算出y的值。这是监督学习中一个典型问题---线性回归。2.非监督学

NVL(E1, E2)的功能为：如果E1为NULL，则函数返回E2，否则返回E1本身源代码中有误的点：1.数据库查询类型要设置为String2.数据库连接2--->数据库查询4，数据库连接2--->分组应该是复制形式，不应该是分发形式3.所以导致源代码最终的运行结果不对：源代码中的结果是：正确的最终运行结果：跟表film_actor中的数量是一致的：...

很神奇，明明就不是localhost，admin和activity不在同一个服务上。所以一直处于down的状态，有的时候还是offline，unknown等。狂发报警邮件啊。参考下这段话：https://www.cnblogs.com/jizhao/p/4081675.html爹的就是InetAddress.getLocalHost返回了一个错误的IP地址。为什么...

需求：数据库中生成86400条数据每条数据对应一天的1秒起始：最终：数据库表dim_time各个字段的含义：报错原因：表字段的名称和mysql表结构不一致。表字段和mysql表字段数量不一致。记录关联，笛卡尔输出：给出三个域：D1=SUPERVISOR = { 张清玫，刘逸 }D2=SPECIALITY= {计算机专业，信息专业}D3=POSTGRADUATE = {李勇，刘晨，王敏}则D1，D2

本节通过一个实例讲解如何使用Word Embedding实现中文自动摘要，这里使用Gensim中的word2vec模型来生成Word Embedding.1.7.1 背景说明使用Word Embedding方法提取关键字，主要步骤如下：1）导入一个中文语料库2）基于这个中文语料库，搭建word2vec模型，训练得到各单词词向量3）导入一个文档，包括各主题及其概要描述信息，预处理该文档，并转换为词向

强化学习主要是(Reinforcement learning)是一个独立的机器学习研究领域。1.监督学习：监督学习主要希望研究映射关系：：它是待定系数。机器学习范畴：知道x,y,不知道。反向推导出“”训练过程：足够的x,及对应的y，作为参数，逐步求出待定系数的过程当通过这样一个过程学习到应该为什么值的时候，如果再有x，通过函数可以计算出y的值。这是监督学习中一个典型问题---线性回归。2.非监督学

语义网、本体知识、知识图谱语言学知识可以在网络文本的信息处理中发挥作用，从而展示语言学研究可能的应用领域。一、改善网络信息获取的两种途径（1）更好的信息检索技术，更加便捷的检索系统---更加智能的基于语义的搜索引擎不断改进钓鱼的鱼钩、鱼竿或鱼线，甚至鱼饵（2）让Web本身更加聪明、更加智能为Web上的资源附加上计算机可以理解的内容，便于计算机更好地处理。也就是给出一种计算机能够理解的表示网页等资源

之前介绍的工具集主要用于英文的处理，而以中文为代表的汉藏语系与以英语为代表的印欧语系不同，一个显著的区别在于词语之间不存在明显的分隔符，句子一般是由一串连续的字符构成，因此在处理中文时，需要使用更有针对性的分析工具。语言技术平台（Language Technology Platform,LTP）是哈尔滨工业大学社会计算与信息检索研究中心（HIT-SCIR）历时多年研发的一整套高效、高精度的中文自然

现代深度学习系统的模型结构变得越来越复杂，若要从头开始则极其耗时耗力，而且非常容易出错。幸好，看似纷繁复杂的深度学习模型，都可以分解为一些同构的简单网络结构，通过将这些简单网络结构连接在一起，就可构成复杂的模型。因此，很多深度学习库应运而生，它们可以帮助用户快速搭建一个深度学习模型，并完成模型的训练（也称学习或优化）、预测和部署等功能。本书使用的是PyTorch开源深度学习库，它由Facebook