yelin

例子示例112345678910111213# 嵌套函数声明了自己的局部变量，所以不会找到外部函数的局部变量，对外面的局部变量也不会产生影响def outFunc(): a = 1 def inFunc(): a = 2 print('from inFunc: a =',a) inFunc() print('from outFunc: a =',a)outFunc()# 输出：from inFunc: a = 2from outFunc: a = 1 示例2123456789101112# 嵌套函数找不到局部变量时找全局变量，这里指外部函数的局部变量def outFunc(): a = 1 def inFunc(): print('from inFunc: a =',a) inFunc() print('from outFunc: a =',a)outFunc()# 输出：from inFunc: a = 1from ...

1. 剑指 Offer 68 - I. 二叉搜索树的最近公共祖先1234567891011121314151617# Definition for a binary tree node.# class TreeNode:# def __init__(self, x):# self.val = x# self.left = None# self.right = Noneclass Solution: def lowestCommonAncestor(self, root: 'TreeNode', p: 'TreeNode', q: 'TreeNode') -> 'TreeNode': pointer = root while pointer: if p.val<pointer.val and q.val<pointer.val: pointer = ...

1. sort和sortedsort和sorted区别： sort是应用在list上的，而sorted可应用于任何可迭代的对象上； list的sort方法是在原始list上操作，而sorted返回新的list； sort使用ls.sort()，而sorted使用sorted(ls); 123456789101112131415161718# 例子dic = {'a': 31, 'b': 21, 'c': 3, '33': 56, 'd': 0}print(sorted(dic.items(), key=lambda a:a[0]))L = list(dic.items())print('1: ',L)print(sorted(L, key=lambda a:a[0]))print('2: ',L)L.sort(key=lambda a:a[0])print('3: ',L)输出：[(' ...

原文链接 1. 算数运算* 代表乘法** 代表乘方1234>>> 2 * 510>>> 2 ** 532 2. 函数形参*args 和 **kwargs 主要用于函数定义。你可以将不定数量的参数传递给一个函数。不定的意思是：预先并不知道, 函数使用者会传递多少个参数给你, 所以在这个场景下使用这两个关键字。其实并不是必须写成 *args 和 **kwargs。 *(星号) 才是必须的. 你也可以写成 *ar 和 **k 。而写成 *args 和**kwargs 只是一个通俗的命名约定。python函数传递参数的方式有两种： 位置参数（positional argument） 关键词参数（keyword argument） *args 与 **kwargs 的区别，两者都是 python 中的可变参数：*args 表示任何多个无名参数，它本质是一个 tuple**kwargs 表示关键字参数，它本质上是一个 dict如果同时使用 *args 和 **kwargs 时，必须 *args 参数列要在 **kwargs 之前。1234567> ...

1. 剑指 Offer 04. 二维数组中的查找重点思想：从左下角或右上角开始，这样就能将二维数组转换成二叉树12345678910class Solution: def findNumberIn2DArray(self, matrix: List[List[int]], target: int) -> bool: left,right = len(matrix)-1,0 while(left>-1 and right<len(matrix[0])): if target>matrix[left][right]: right+=1 elif target<matrix[left][right]: left-=1 else:return True return False 2. 剑指 Offer 21. 调整数组顺序使奇数位于偶数前面12345678910111213141516clas ...

1. 剑指 Offer 18. 删除链表的节点123456789101112class Solution: def deleteNode(self, head: ListNode, val: int) -> ListNode: if not head:return head if head.val==val:return head.next pre,cur = head,head.next while(cur): if cur.val != val: pre,cur = cur,cur.next else: pre.next = cur.next break return head 2. 剑指 Offer 22. 链表中倒数第k个节点12345678910class Solution: def getKthFromlatter(self, head: ListNode, ...

自回归VS自编码（Autoregressive LM VS Autoencoder LM） 自回归模型可类比于早期统计语言模型，根据上文内容预测下一个可能出现的单词，或者反过来根据下文预测前面的单词.GPT 就是典型的自回归语言模型。ELMo把LSTM的两个方向的隐节点状态拼接到一起实现双向语言模型，尽管看上去利用了上文也利用了下文，但是本质上仍然是两个自回归LM的拼接。所以ELMo仍然是自回归语言模型。可参考这篇文章。 自编码模型通常也被称为降噪自编码模型（Denosing Autoencoder）,自编码简单来说就是压缩后再解压的过程，而压缩的过程提取了源数据的主要特征。参考这篇文章。降噪自编码就是在此基础上给源数据上添加一些噪音，从而达到模拟真实数据，增模型强鲁棒性的效果。以Bert为例，Bert通过在输入X中随机Mask掉一部分单词，然后预训练过程的主要任务之一是根据上下文单词来预测这些被Mask掉的单词，那些被Mask掉的单词就是在输入侧加入的所谓噪音。 XLNet模型尝试融合自回归LM和自编码LM两者的优点。就是说如果站在自回归LM的角度，如何引入和双向语言模型等价的效 ...

1. RNN简单RNN写代码时只需定义输入层（X）维度，隐藏层（S）维度，输出层(O)维度,循环次数即可。RNN处理图像时可把每行看做一个词，一张图即一个句子

1. cuda安装路径一般cuda都安装在/usr/local下的cuda文件夹下，进入该路径一般能看到cuda和若干cuda-版本号，其实cuda文件夹是后面的某个文件夹软连接而已 2. 安装多cuda环境安装不同版本的cuda和安装一个cuda的过程类似，重复几次而已，到 CUDA Toolkit Download 下载所需版本,安装位置可以选择不放在默认路径，可以自定义安装路径，比如放在用户目录下，也不用非得创建一个名为cuda的软连接，直接用cuda-版本号就行，比如cuda-10.0 3. cuda版本切换3.1 所有用户整体切换直接通过更换软连接进行更换，将原来的/usr/local/cuda删掉，软连接到新的版本ln -s 源文件 目标文件 3.2 只对某个用户切换在该用户的环境变量中添加新版本的bin路径、lib路径和动态库路径，在~/.bashrc中改：123export PATH=$PATH:/home/Bio/liuzhiqiang/mycuda/cuda-10.0/bin/export PATH=$PATH:/home/Bio/liuzhiqiang/mycud ...

转载于：https://www.sohu.com/a/234584362_129720英文原文：https://medium.com/nanonets/topic-modeling-with-lsa-psla-lda-and-lda2vec-555ff65b0b05 本文是一篇关于主题建模及其相关技术的综述。文中介绍了四种最流行的技术，用于探讨主题建模，它们分别是：LSA、pLSA、LDA，以及最新的、基于深度学习的 lda2vec。 1. 概述所有主题模型都基于相同的基本假设： 每个文档包含多个主题； 每个主题包含多个单词。 换句话说，主题模型围绕着以下观点构建：实际上，文档的语义由一些我们所忽视的隐变量或「潜」变量管理。因此，主题建模的目标就是揭示这些潜在变量——也就是主题，正是它们塑造了我们文档和语料库的含义。这篇博文将继续深入不同种类的主题模型，试图建立起读者对不同主题模型如何揭示这些潜在主题的认知。 2. LSA潜在语义分析（LSA）是主题建模的基础技术之一。其核心思想是把我们所拥有的文档-术语矩阵分解成相互独立的文档-主题矩阵和主题-术语矩阵。 第一步是生成文档-术语矩 ...