_山海

Encoder架构：Encoder:主要包含Input、前馈神经网络、多头注意力和Add&Norm，而Input Embedding与Position ...

多头注意力是Transformer的特色项目，也是讨论最多模块之一： 上图中，Encoder与Decoder中红色圈中的部分为 Multi-Head Attentio

随记-Nginx docker + SSL 配置 - 配置等资源挂宿主机等，同时配置用到了'try_files'与'@xxx'变量。目前笔者正在用该配置用于nginx生产主机

什么是魔术方法 魔法方法(Magic Method)是python内置方法，格式为：“方法名”，不需要主动调用，存在的目的是为了给python的解释器进行调用，几乎每个魔法方法都有一个对应的内置函数，

（上图来自Transformer架构图片段) 由图可见：encoder的输入层和decoder的输入层是一样的结构，都是由token embedding（词向量） 和 positional embed

Django和Flask的比较 Django功能大而全，Flask只包含基本的配置，Django的一站式解决的思路，能让开发者不用在开发之前就在选择应用的基础设施上花费大量时间。 Django有模板，

继 《Transformer模型-2-模型架构》笔者该文章中将分享Transformer的基本工作流程。 第一步: 获取输入句子中每一个单词的向量X。 向量获取: 假设有一个1000千万的数据按词(早

创建型模式 单例模式 可以由import来实现 多实例共享一个属性 结构型模式 最实用的是适配模式，通常用来解决兼容问题 行为模式 责任链模式：实现了发送才与接收者解耦，让多个对象接收发送者请求，并沿

在原博客中仅有的存量不多的好文，曾经陪伴笔者在解决了很多Linux磁盘空间的问题。 针对：磁盘已在用盘，再扩容空间用于增加新的MBR分区。 分区挂载准备 新增并格式化MBR分区 场景：新增空间用于增加