dev（Developmentenvironment）：开发环境，外部用户无法访问，开发人员使用，版本变动很大。sit(SystemIntegrationTest)：系统集成测试，开发人员自己测试流程是否走通。test：测试环境，外部用户无法访问，专门给测试人员使用的，版本相对稳定。fat(FeatureAcceptanceTestenvironment)：功能验收测试环境，用于软件测试者测试使用uat(UserAcceptanceTestenvironment)：用户验收测试环境，用于生产环境下的软件测试者测试使用。pre：灰度环境，外部用户可以访问，但是服务器配置相对低，其它和生产一样，外
dev（Developmentenvironment）：开发环境，外部用户无法访问，开发人员使用，版本变动很大。sit(SystemIntegrationTest)：系统集成测试，开发人员自己测试流程是否走通。test：测试环境，外部用户无法访问，专门给测试人员使用的，版本相对稳定。fat(FeatureAcceptanceTestenvironment)：功能验收测试环境，用于软件测试者测试使用uat(UserAcceptanceTestenvironment)：用户验收测试环境，用于生产环境下的软件测试者测试使用。pre：灰度环境，外部用户可以访问，但是服务器配置相对低，其它和生产一样，外
1.execute和submit的区别前面说了还需要介绍多线程中使用execute和submit的区别（这两个方法都是线程池ThreadPoolExecutor的方法）。1.1方法来源不同execute方法是线程池的顶层接口Executor定义的，在ThreadPoolExecutor中实现：voidexecute(Runnablecommand);submit()是在ExecutorService接口中定义的，并定义了三种重载方式：Futuresubmit(Callabletask);Futuresubmit(Runnabletask,Tresult);Futuresubmit(Runnab
1.execute和submit的区别前面说了还需要介绍多线程中使用execute和submit的区别（这两个方法都是线程池ThreadPoolExecutor的方法）。1.1方法来源不同execute方法是线程池的顶层接口Executor定义的，在ThreadPoolExecutor中实现：voidexecute(Runnablecommand);submit()是在ExecutorService接口中定义的，并定义了三种重载方式：Futuresubmit(Callabletask);Futuresubmit(Runnabletask,Tresult);Futuresubmit(Runnab
这几天在看有关ABSA论文的代码，而代码跑出来的结果除了有输出loss的值以外还有一个acc的值和一个F1的值。查看了网上对于一些博客以后，对于模型的这三个评价指标有了一个新的认识，因此在这里我写出了自己的认识。1.混淆矩阵提到召回率，准确率，精确率和F1值，我就不得不提一下什么叫做混淆矩阵。混淆矩阵说简单一点就是一个矩阵。一个什么样的矩阵呢？一个关于预测值和真实值得一个矩阵。（Tips：为了方便理解，下面会以一个二分类问题作为讲解）这个句子的情感是不是积极的实际值（1：积极，0：不积极）预测结果是否正确你是sb啊！01×你是sb吧！00√你是sb吗？00√你真棒啊！11√你真棒棒！11√你可
这几天在看有关ABSA论文的代码，而代码跑出来的结果除了有输出loss的值以外还有一个acc的值和一个F1的值。查看了网上对于一些博客以后，对于模型的这三个评价指标有了一个新的认识，因此在这里我写出了自己的认识。1.混淆矩阵提到召回率，准确率，精确率和F1值，我就不得不提一下什么叫做混淆矩阵。混淆矩阵说简单一点就是一个矩阵。一个什么样的矩阵呢？一个关于预测值和真实值得一个矩阵。（Tips：为了方便理解，下面会以一个二分类问题作为讲解）这个句子的情感是不是积极的实际值（1：积极，0：不积极）预测结果是否正确你是sb啊！01×你是sb吧！00√你是sb吗？00√你真棒啊！11√你真棒棒！11√你可
note文章目录note一、Spark的常用启动方式1.1local本地模式1.2Standalone模式1.3SparkonYarn模式二、spark-submit详细参数说明--master--deploy-mode--class--name--jars--packages--exclude-packages--repositories--py-files--files--confPROP=VALUE--properties-file--driver-memory--driver-java-options--driver-library-path--driver-class-path--d
note文章目录note一、Spark的常用启动方式1.1local本地模式1.2Standalone模式1.3SparkonYarn模式二、spark-submit详细参数说明--master--deploy-mode--class--name--jars--packages--exclude-packages--repositories--py-files--files--confPROP=VALUE--properties-file--driver-memory--driver-java-options--driver-library-path--driver-class-path--d
CLIP（ContrastiveLanguage-ImagePre-Training）:利用文本的监督信号训练一个迁移能力强的视觉预训练模型通过对比学习,训练得到图片和文本的相似度,传闻使用4亿个配对的数据和文本来进行训练,不标注直接爬取的注意:由于训练数据基本都是英文,对英文支持的比较好用途:CLIP主要是用来做图片分类(计算图片和文本的相似度(关联度)),也可以辅助做GAN,检测,分割,检索等等以往我们训练一个猫狗分类模型，换一个线条猫，点云猫，油画猫，穿着奇装异服的猫，分类网络很难还认识，但是现在只要加上一个CLIP，模型马上就被扩展了.CLIP是如何训练的:CLIP是如何进行推理的:可
CLIP（ContrastiveLanguage-ImagePre-Training）:利用文本的监督信号训练一个迁移能力强的视觉预训练模型通过对比学习,训练得到图片和文本的相似度,传闻使用4亿个配对的数据和文本来进行训练,不标注直接爬取的注意:由于训练数据基本都是英文,对英文支持的比较好用途:CLIP主要是用来做图片分类(计算图片和文本的相似度(关联度)),也可以辅助做GAN,检测,分割,检索等等以往我们训练一个猫狗分类模型，换一个线条猫，点云猫，油画猫，穿着奇装异服的猫，分类网络很难还认识，但是现在只要加上一个CLIP，模型马上就被扩展了.CLIP是如何训练的:CLIP是如何进行推理的:可
