http://geasyheart.github.io/ 这个看着也不错哦😬

月嫂还是蛮坑的，有条件最好家人照顾。

https://geasyheart.github.io/

发现楼上的主题都很 nice 啊

相似语义的高维分布是临近的，可以用余弦相似度、L2 等来进行计算。可以用多维向量来表示人类语言，比如：
你：[1.2323, 0.23445, -23.234234]这个 3 维来表示，也可以用 256 、768 、1024 等维度来进行表示。

获取向量一开始可以认为是随机初始化的，通过反向传播来进行更新。

@lrh3321 冒泡

Hexo Theme Yilia
https://geasyheart.github.io/

年年黑 python ，年年都缩进

js

艾瑞泽 8

1 、position_embeddings 是把句子的位置信息加进去，self-attention 是为了学习语义信息。如果不管句子顺序如何，后面 self-attention 输出都一样。另外 position_embeddings 是 bert 的做法，transformer 是用的正余弦编码，关于位置编码，你还可以了解下绝对位置编码和相对位置编码。

2 、bert 输出有两个，一个是[CLS]位置所代表的句子信息，其实你看了源码就知道，这个无非是多增加其他层进行训练了罢了，你可以不用，直接用 seq_output 。捕捉位置在最开始 position_embeddings 已经学到了。

看你喜欢哪一方面了，如果还是 CRUD ，意义不大。深度学习推荐 python 。

重写 lstm 的__repr__就行

我也来晒： https://geasyheart.github.io/
😘😘😘😘😘😘😘😘😘😘😘😘😘😘😘😘😘😘😘😘😘

优点：刷起来手不用动，懒人福星。
缺点：正在用的貌似毛有点软，感觉刷的效果不好，也有可能是我用的时间长了。。。

@t2jk4000 对于深度学习领域，python 还是必要的，可以不知道。。

春天：枸杞加黄芪
夏天：枸杞加菊花
秋天：枸杞加山楂
冬天：枸杞加桂圆

比如我的呢，https://geasyheart.github.io/