GPT 预训练(从左到右的 Transformer 语言模型) GPT 是一种基于 Transformer 的从左到右的语言模型。该架构是一个 12 层的 Transformer 解码器（没有解码器-编码器）。 ## 模型架构 就是12层的

pytorch神经网络结构可视化 参考：https://zhuanlan.zhihu.com/p/220403674 torchviz from torchviz import make_dot make_dot(model(torch.from_numpy(X_train[0].reshape(1, -1)).float()), params=dict(model.named_parameters())) 这是一个简

Dropout 在标准dropout正则化中，通过按保留（未丢弃）的节点的分数进行归一化来消除每一层的偏差。换言之，每个中间激活值h以保留概率概率p由随机

最长回文子串 题目： ​ https://leetcode-cn.com/problems/longest-palindromic-substring/ 思路： ​ 一开始暴力解法，比较好想，结果超时了哎，后来看见了标签是动态规划，才知道不能暴力 class Solution: def longestPalindrome(self, s: str) -> str: if len(s) <= 1: return s maxs

有效的数独 https://leetcode-cn.com/problems/valid-sudoku/ #有效的数独 难点在将3*3里的数取出来 class Solution: def isValidSudoku(board) -> bool: for line1,line2 in zip(board,zip(*board)): #行列 for n1,n2 in zip(line1,line2): if (n1 != '.' and line1.count(n1) > 1) or (n2!='.' and line2.count(n2) >1): return False pal = [[board[i+m][j+n] for m in range(3) for n in range(3) if board[i+m][j+n]

使括号有效的最少添加 题目： https://leetcode-cn.com/problems/minimum-add-to-make-parentheses-valid/ 思路： 通过一个值来判断是否匹配 代码： class Solution: def minAddToMakeValid(self, S: str) -> int: res,temp = 0,0 for i in S: if i == '(': temp += 1 if i == ')': temp -= 1 if temp == -1: temp = 0 res +=

开始！ 用import torch导入pytorch库 不要打成import pytorch哦~ 下面是我的学习记录： import torch#导入模块 x = tor

集成学习 在机器学习的有监督学习算法中，我们的目标是学习出一个稳定的且在各个方面表现都较好的模型，但实际情况往往不这么理想，有时我们只能得到多

旋转图像 https://leetcode-cn.com/problems/rotate-image/ 没难度的中等题，这方法很python class Solution: def rotate(self, matrix: List[List[int]]) -> None: """ Do not return anything, modify matrix in-place instead. """ n = len(matrix) for i in list(map(list,map(reversed,zip(*matrix)))): matrix.append(i) del matrix[:n]