算法相关

个人感觉相对来说占位符在简单使用的时候比format方便，但是如果有一些复杂点的操作，就需要用到format，具体什么场景就需要了解两个的不同点

继全连接神经网络以及卷积神经网络后，又一神经网络结构，该借够主要适用于语言模型嘞，需要结合上下文的场景

uniq 前言 很多时候我们需要对数据去重，不管是少量数据还是大量数据，写代码进行去重终究没有使用系统功能直接操作方便

该部分主要介绍卷积神经网络的训练，包含正向传播的部分知识，以及反向传播的原理介绍，具体代码以及具体细节请移步参考资料

引言 仅作为参考，起因是工作中需要用到pandas读取parquet格式的文件，结果发现需要另外安装

引言 本文只是对自己理解交叉熵损失函数的一个总结，并非详尽介绍交叉熵函数的前世今生，细节部分还是需要多加注意

寻找解决样本不均衡方法之Focal Loss与GHM，主要是从损失函数层面优化模型，降低训练时候不同样本之间权重

引言 该文只是简单为本人学习交叉熵损失函数以及focal loss等相关问题的一个补充，所以介绍的不是非常全面

模型分类问题经常遇到正负样本不均衡，难易样本不均衡的情况，通过不同的优化损失函数通常有一个明显的效果

使用场景：使用Bert做一个违规样本分类模型，数据呈现正负样本不均衡，难易样本不均衡等问题，尝试使用损失函数来进行优化

该文主要内容为一个完整神经网络的代码实现，神经网络的主要过程，其中的难点实现，以及训练预测的过程及代码

本文仅作为学习参考文章第二节关于线性单元和梯度下降的一个补充，主要是代码部分python画图从python2改到python3，无其他改动