Darkon

请问各位，有没有用于以下两个场景的微调sentencebert模型呢？ 代码上下文理解，类似于codeBert 中文文本理解，其实如果是直接的bert很多，但是sentencebert很少 这是我之前的尝试，找到了符合要求的bert模型，但我想要sentencebert 这是其中一个：https://github.com/microsoft/CodeBERT

问题列表 《深度学习》 8.4 参数初始化策略 一般总是使用服从（截断）高斯或均匀分布的随机值，具体是高斯还是均匀分布影响不大，但是也没有详细的研究。 但是，初始值的大小会对优化结果和网络的泛化能力产生较大的影响。 一些启发式初始化策略通常是根据输入与输出的单元数来决定初始权重的大小，比如 Glorot and Bengio (2010) 中建议建议使用的标准初始化，其中 m 为输入数，n 为输出

注： 内容翻译自 data model etcd设计用于可靠存储不频繁更新的数据，并提供可靠的观察查询。etcd暴露键值对的先前版本来支持不昂贵的快速和观察历史事件(“time travel queries”)。对于这些使用场景，持久化，多版本，并发控制的数据模型是非常适合的。 ectd使用多版本持久化键值存储来存储数据。当键值对的值被新的数据替代时，持久化键值存储保存先前版本的键值对。键值存储事

主要内容 课程列表 专项课程学习 辅助课程 论文专区 课程列表 课程 机构 参考书 Notes等其他资料 卷积神经网络视觉识别 Stanford 暂无 链接 神经网络 Tweet 暂无 链接 深度学习用于自然语言处理 Stanford 暂无 链接 自然语言处理 Speech and Language Processing 链接 专项课程学习 下述的课程都是公认的最好的在线学习资料，侧重点不同，但推

Google Cloud Platform 推出了一个 Learn TensorFlow and deep learning, without a Ph.D. 的教程，介绍了如何基于 Tensorflow 实现 CNN 和 RNN，链接在 这里。 Youtube Slide1 Slide2 Sample Code

Dive into cheap deep learning，专注于让深度学习更划算更便宜，From your IQ, your devices, and your resource，从学习智力上、装备上、资源上。

我试图解决序列完成的问题。假设我们有基本真值序列（1,2,4,7,6,8,10,12,18,20） 我们模型的输入是一个不完整的序列。i、 e（1,2,4,10,12,18,20）。从这个不完整序列中，我们想要预测原始序列（地面真值序列）。哪些深度学习模型可以用来解决这个问题？ 这是编码器-解码器LSTM体系结构的问题吗？ 注：我们有数千个完整的序列来训练和测试模型。 感谢您的帮助。

你是如何记住一款车的 问你这样一个问题：如果你大脑有很多记忆单元，让你记住一款白色奥迪Q7运动型轿车，你会用几个记忆单元？你也许会用一个记忆单元，因为这样最节省你的大脑。那么我们再让你记住一款小型灰色雷克萨斯，你会怎么办？显然你会用另外一个记忆单元来记住它。那么如果让你记住所有的车，你要耗费的记忆单元就不再是那么少了，这种表示方法叫做localist representation。这时你可能会换另