qq_30653631的博客

直接用一个实例来看几个参数具体的含义：sentence : The Hospital said it would probably know by Tuesday whether its patients had Congo Fever .gold_tag:b-AGENT e-AGENTo ob-DSE m-DSE e-DSEo ob-TARGET m-TARGET m- TARGET m-TARGET m-TARGETe-TARGETopredict_tag: o e-AGENT b...

1、tf.contrib.crf.crf_log_likelihoodcrf_log_likelihood(inputs,tag_indices,sequence_lengths,transition_params=None)在一个条件随机场里面计算标签序列的log-likelihood参数:inputs: 一个形状为[batch_size, max_seq_len, num_tags] 的tensor,一般使用BILSTM处理之后输出转换为他要求的形状作为CRF层的输入. tag_indices

MistGPU智星云极链AI云平台矩池云BitaHub极客云个人最近使用的是MistGPU这个平台，按分钟计费，价格也还可以，主要是数据可以在关机后保存七天，（如果不想数据丢失，就7天内再次开下机，期限就会刷新为7天）缺点：可能会时间冲突，只要能开机就是自己一个人在使用这台机器，但是如果别人在用，你会开不了机，系统会在机器空闲时发短信提醒你，我觉得这个缺点可以接受，还有就是实在着急可以找客服换机器，他会帮你迁移数据，客服回复很及时）可以选择需要的环境，一般tf大家可能需要1.x和2.x的，

在使用spacy加载模型报错，如下所示：import spacyspacy.load("en_core_web_sm")OSError: [E050] Can't find model 'en_core_web_sm'. It doesn't seem to be a shortcut link, a Python package or a valid path to a data directory.使用python3 -m spacy download en_core_web_sm依旧无法下

第一步，先安装模型框架pip install pytorch-pretrained-bert第二步，一般如果调用BertModel等模型的时候，需要下载相应的预先训练模型，下载后的文件存放在cache文件夹：~/.pytorch_pretrained_bert/，但是往往服务器的速度受限，会下载很慢，因此我们可以直接下载下来，再放到指定位置去model = BertModel.from_pretrained('../temp/bert-base-uncased', cache_dir=temp_di

报错如下：这个问题是gcc版本与cuda不兼容的问题，可以通过以下方式解决，我这里用的是cuda-8.0先安装gcc-5，g++-5sudo apt install gcc-5 g++-5然后删除之前的软链接，建立新的sudo rm /usr/local/cuda-8.0/bin/gccsudo rm /usr/local/cuda-8.0/bin/g++sudo ln -s /usr/bin/gcc-5 /usr/local/cuda-8.0/bin/gccsudo

这个错误一般是GPU的数目设置出现问题，我的代码如下所示：THEANO_FLAGS=device=gpu3,floatX=float32,lib.cnmem=0.8错误如下：因为我的机器只有一个显卡，而我程序中写的是3，因此出现了这个错误，可以更改为cuda0如下：...

一、官网查找指定版本并安装CUDA官网地址我这里选择的CUDA10.0，选择的runfile[local]下载下来进行安装1.先使用下面的命令安装相关依赖sudo apt-get install freeglut3-dev build-essential libx11-dev libxmu-dev libxi-dev libgl1-mesa-glx libglu1-mesa libglu1-mesa-dev2.开始安装使用如下指令：sudo sh cuda_10.0.13

1.创建conda环境conda create -n tf-GPU python==3.72.激活环境conda activate tf-GPU3.安装tensorflow1.首先检查自己的cuda和cudnn的版本号，然后在官网进行对比，找到自己的版本tensoerflow官网对应版本使用下面的命令可以看到自己的版本号cat /usr/local/cuda/version.txtcat /usr/local/cuda/include/cudnn.h | grep

模型运行出现以下问题，经过查找资料发现解决方案如下：CUDA_VISIBLE_DEVICES限制一下使用的GPU。比如有0,1,2,3号GPU，CUDA_VISIBLE_DEVICES=2,3，则当前进程的可见GPU只有物理上的2、3号GPU，此时它们的编号也对应变成了0、1，即cuda:0对应2号GPU，cuda:1对应3号GPU。如何设置CUDA_VISIBLE_DEVICES:① 使用python的os模块import osos.environ[‘CUDA_VISIBLE_DEVICES

最近需要跑一些模型，都需要用到pytorch-pretrained-bert来进行预处理训练，但是服务器上面下载或者没有外网的情况下真的很慢，最后还会失败，经过搜寻资料，解决方式如下:如果你有外网，可以直接下载安装pip install pytorch-pretrained-bert但大多数情况下这个都用不了，所以接下来就是解决方法了如果调用BertModel等模型的时候，需要下载相应的预先训练模型，下载后的文件存放在cache文件夹：~/.pytorch_pretrained_bert/但是这

1.https://colab.research.google.com/2.https://mybinder.org/3.https://www.floydhub.com/4 https://tianchi.aliyun.com/5 https://momodel.cn/6 https://www.huaweicloud.com/product/modelarts.html

一个是shape()、reshape()函数的问题，经常会有：ValueError:cannot reshape array of size 220110 into <870,7,36>这其实是对这两个函数的理解问题，文档里说的比较不好理解，通俗一点就是shape(a,b,c)、reshape(a,b,c)其实就是reshape(样本多少个，每个样本中有几组变量的个数，每个...