国产 无码 综合区,色欲AV无码国产永久播放,无码天堂亚洲国产AV,国产日韩欧美女同一区二区

手搓大模型之only em for pos之增加依賴性

這篇具有很好參考價(jià)值的文章主要介紹了手搓大模型之only em for pos之增加依賴性。希望對大家有所幫助。如果存在錯(cuò)誤或未考慮完全的地方,請大家不吝賜教,您也可以點(diǎn)擊"舉報(bào)違法"按鈕提交疑問。

import paddle


class EmAdd(paddle.nn.Layer):
    def __init__(self, voc_size=9999, hidden_size=256):
        super(EmAdd, self).__init__()
        self.hidden_size = hidden_size
        p = 0
        while True:
            voc_size //= hidden_size
            if voc_size == 0:
                break
            else:
                p += 1
        self.em = paddle.nn.LayerList([paddle.nn.Embedding(hidden_size, hidden_size) for _ in range(p + 1)])
        # self.em_zero = paddle.nn.LayerList([paddle.nn.Embedding(hidden_size, hidden_size,padding_idx=0)
        # for _ in range(p + 1)])

    def forward(self, em_add_x):

        add = 0
        p = len(self.em) + 1
        mask = paddle.zeros(em_add_x.shape)
        for i, em in enumerate(self.em):
            # mask 是累加不等于0
            i += 1
            x0 = em_add_x % self.hidden_size ** (p - i) // self.hidden_size ** ((p - i) - 1)
         

文章來源地址http://www.zghlxwxcb.cn/news/detail-676077.html

到了這里,關(guān)于手搓大模型之only em for pos之增加依賴性的文章就介紹完了。如果您還想了解更多內(nèi)容,請?jiān)谟疑辖撬阉鱐OY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章,希望大家以后多多支持TOY模板網(wǎng)!

本文來自互聯(lián)網(wǎng)用戶投稿,該文觀點(diǎn)僅代表作者本人,不代表本站立場。本站僅提供信息存儲空間服務(wù),不擁有所有權(quán),不承擔(dān)相關(guān)法律責(zé)任。如若轉(zhuǎn)載,請注明出處: 如若內(nèi)容造成侵權(quán)/違法違規(guī)/事實(shí)不符,請點(diǎn)擊違法舉報(bào)進(jìn)行投訴反饋,一經(jīng)查實(shí),立即刪除!

領(lǐng)支付寶紅包贊助服務(wù)器費(fèi)用

相關(guān)文章

  • 生成模型相關(guān)算法:EM算法步驟和公式推導(dǎo)

    EM 算法是一種選代算法,1977 年 Dempster 等人總結(jié)提出,用于含有隱變量(hidden variable)的概率模型參數(shù)的極大似然估計(jì),或極大后驗(yàn)概率估計(jì)EM算法的每次選代由兩步組成:E步,求期望 (expectation);M步,求極大(maximization)所以這一算法稱為期望極大算法(expectation maximizationalgorithm),

    2024年02月14日
    瀏覽(31)
  • 高斯混合模型(GMM)及EM算法---MATLAB程序

    高斯混合模型(GMM)及EM算法---MATLAB程序

    ? ? ? ? 大家喜歡的話記得關(guān)注、點(diǎn)贊、收藏哦~ ????????高斯混合模型(Gaussian Mixed Model,GMM) 是由多個(gè)高斯分布函數(shù)組成的線性組合。理論上,GMM可以擬合出任意類型的分布,通常用于解決同一集合下的數(shù)據(jù)包含多個(gè)不同分布的情況。---轉(zhuǎn)自:http://t.csdn.cn/SPEcN ?????

    2024年02月11日
    瀏覽(22)
  • 實(shí)現(xiàn) Table 的增加和刪除,不依賴后端數(shù)據(jù)回顯

    實(shí)現(xiàn) Table 的增加和刪除,不依賴后端數(shù)據(jù)回顯

    刪除前 刪除后 首先寫一個(gè) Table 我們可以對數(shù)組進(jìn)行操作,首先是增加操作 刪除指定元素

    2024年04月16日
    瀏覽(12)
  • 高斯分布、高斯混合模型、EM算法詳細(xì)介紹及其原理詳解

    高斯分布、高斯混合模型、EM算法詳細(xì)介紹及其原理詳解

    K近鄰算法和KD樹詳細(xì)介紹及其原理詳解 樸素貝葉斯算法和拉普拉斯平滑詳細(xì)介紹及其原理詳解 決策樹算法和CART決策樹算法詳細(xì)介紹及其原理詳解 線性回歸算法和邏輯斯諦回歸算法詳細(xì)介紹及其原理詳解 硬間隔支持向量機(jī)算法、軟間隔支持向量機(jī)算法、非線性支持向量機(jī)算

    2024年02月06日
    瀏覽(30)
  • eclipse中在maven工程 的pom.xml文件中增加依賴的方法

    eclipse中在maven工程 的pom.xml文件中增加依賴的方法

    方法1:直接編輯pom.xml文件增加依賴 直接編輯pom.xml文件肯定是可以了,不管是否在eclipse中,挺方便的。 例如,從maven倉庫中找到自己需要依賴的插件,里邊已經(jīng)將依賴的配置代碼寫好了,直接拷貝到maven工程的pom.xml文件對應(yīng)位置即可,也很方便: 方法2:利用eclipse的圖形化

    2024年02月13日
    瀏覽(26)
  • Original error: gsmCall method is only available for emulators

    在夜神模擬器執(zhí)行報(bào)錯(cuò) 意思是gsmCall這個(gè)命令不支持,只支持下面這些命令 selenium.common.exceptions.UnknownMethodException: Message: Unknown mobile command \\\"gsmCall\\\". Only shell,execEmuConsoleCommand,dragGesture,flingGesture,doubleClickGesture,longClickGesture,pinchCloseGesture,pinchOpenGesture,swipeGesture,scrollGesture,scrollBackT

    2024年02月14日
    瀏覽(20)
  • EM算法實(shí)現(xiàn)之隱馬爾科夫模型HMM的python實(shí)現(xiàn)

    1 基本概念 1.1 馬爾科夫鏈(維基百科) 馬爾可夫鏈(英語:Markov chain),又稱離散時(shí)間馬爾可夫鏈(discrete-time Markov chain,縮寫為DTMC),因俄國數(shù)學(xué)家安德烈·馬爾可夫得名,為狀態(tài)空間中經(jīng)過從一個(gè)狀態(tài)到另一個(gè)狀態(tài)的轉(zhuǎn)換的隨機(jī)過程。該過程要求具備“無記憶”的性質(zhì):

    2024年02月09日
    瀏覽(25)
  • Python Wordcloud報(bào)錯(cuò):Only supported for TrueType fonts,多種解決方案

    Python Wordcloud報(bào)錯(cuò):Only supported for TrueType fonts,多種解決方案。 報(bào)錯(cuò)內(nèi)容如下: 2023-10-26T09:35:41.190459839Z Traceback (most recent call last): 2023-10-26T09:35:41.190502589Z File “l(fā)ib/task/compute.py”, line 621, in 2023-10-26T09:35:41.190514101Z compute_match_rule(rule_data) 2023-10-26T09:35:41.190521681Z File “l(fā)ib/task/comp

    2024年02月07日
    瀏覽(27)
  • 深入篇【C++】手搓模擬實(shí)現(xiàn)二叉搜索樹(遞歸/非遞歸版本)&&常見應(yīng)用場景(K模型與KV模型)

    深入篇【C++】手搓模擬實(shí)現(xiàn)二叉搜索樹(遞歸/非遞歸版本)&&常見應(yīng)用場景(K模型與KV模型)

    二叉搜索樹又稱二叉排序樹,它或者是一顆空樹或者是具有以下性質(zhì)的二叉樹: 1.當(dāng)它的左子樹不為空,則左子樹上所有的結(jié)點(diǎn)的值都要小于根節(jié)點(diǎn)。 2.當(dāng)它的右子樹不為空,則右子樹上所有的結(jié)點(diǎn)的值都要大于根結(jié)點(diǎn)。 3.它的左右子樹都是二叉搜索樹。 ①.定義結(jié)點(diǎn) 二叉樹

    2024年02月12日
    瀏覽(22)
  • Python word cloud庫試用時(shí)出現(xiàn)Only supported for TrueType fonts錯(cuò)誤

    在下載wordcloud庫之前,需要下載幾個(gè)前置庫,其中包括一個(gè)pillow圖像處理庫,即我們常常熟知的PIL庫,出現(xiàn)這種報(bào)錯(cuò),首先可查看 利用該命令行可查看是否支持truetype格式,? freetype形式既是,一般情況下都會支持,但由于如果你的wordcloud庫和pil庫不是同時(shí)下載會導(dǎo)致部分版

    2024年02月11日
    瀏覽(12)

覺得文章有用就打賞一下文章作者

支付寶掃一掃打賞

博客贊助

微信掃一掃打賞

請作者喝杯咖啡吧~博客贊助

支付寶掃一掃領(lǐng)取紅包,優(yōu)惠每天領(lǐng)

二維碼1

領(lǐng)取紅包

二維碼2

領(lǐng)紅包