论文：LLaMA:OpenandEfficientFoundationLanguageModels模型代码：https://github.com/facebookresearch/llama/blob/main/llama/model.py你也可以打开之前的目录看完整代码。摘要、介

?课程学习中心|?NLP课程合辑|?课程主页|?中英字幕视频|?项目代码解析课程介绍自然语言处理(NLP)是一门关于如何教计算机理解人类语言的工程艺术和科学。NLP作为一种人工智能技术，现在已经无处不在——我们可以与手机交谈、使用网络回答问题、在社交媒体中讨论，甚至在人类语言之间进行翻译。CS685马萨诸塞大学NLP进阶课程，广泛关注自然语言处理的深度学习方法，详细讲解前沿技术点与典型应用。课程重点是神经语言模型和迁移学习——这两者都极大地推动了最先进的技术。课程基于Pytorch完成代码案例讲解，涵盖建模架构、训练目标和下游任务。手写重点与手敲代码的授课风格，能帮助大家更好地深入掌握相关知识

?课程学习中心|?NLP课程合辑|?课程主页|?中英字幕视频|?项目代码解析课程介绍自然语言处理(NLP)是一门关于如何教计算机理解人类语言的工程艺术和科学。NLP作为一种人工智能技术，现在已经无处不在——我们可以与手机交谈、使用网络回答问题、在社交媒体中讨论，甚至在人类语言之间进行翻译。CS685马萨诸塞大学NLP进阶课程，广泛关注自然语言处理的深度学习方法，详细讲解前沿技术点与典型应用。课程重点是神经语言模型和迁移学习——这两者都极大地推动了最先进的技术。课程基于Pytorch完成代码案例讲解，涵盖建模架构、训练目标和下游任务。手写重点与手敲代码的授课风格，能帮助大家更好地深入掌握相关知识

作用1：降维：因为使用独热编码虽然计算简单，但是占用太多不必要的资源，所以使用嵌入层（embedding）进行降维，和1*1卷积有异曲同工之妙。因为有时候图片降维后的特征只能笼统的模糊的显示出图像的主要特征，当我们需要发现图片中的一些细节时，就需要对图片进行升维。独热向量，每句话之间都是独立的，每句话之间关联为0，而embedding让每个向量之间有了关联，实质上是建立一个查表，通过矩阵相乘，线性变换的方式，让输入的x通过查表将一个稀疏矩阵变成一个稠密矩阵。       

作用1：降维：因为使用独热编码虽然计算简单，但是占用太多不必要的资源，所以使用嵌入层（embedding）进行降维，和1*1卷积有异曲同工之妙。因为有时候图片降维后的特征只能笼统的模糊的显示出图像的主要特征，当我们需要发现图片中的一些细节时，就需要对图片进行升维。独热向量，每句话之间都是独立的，每句话之间关联为0，而embedding让每个向量之间有了关联，实质上是建立一个查表，通过矩阵相乘，线性变换的方式，让输入的x通过查表将一个稀疏矩阵变成一个稠密矩阵。       

DDL（DataDefinitionLanguage）：数据定义语言，用来定义数据库对象（数据库，表，字段）。数据库操作查询所有数据库showdatabases;查询当前数据库selectdatabase();创建数据库createdatabase[ifnotexists]数据库名[defaultcharset字符集][collate排序规则];/*例：创建一个study数据库，并且指定字符集*/createdatabaseifnotexistsstudydefaultcharsetutf8mb4;删除数据库dropdatabase[ifexists]数据库名;切换数据库use数据库名;表操作

DDL（DataDefinitionLanguage）：数据定义语言，用来定义数据库对象（数据库，表，字段）。数据库操作查询所有数据库showdatabases;查询当前数据库selectdatabase();创建数据库createdatabase[ifnotexists]数据库名[defaultcharset字符集][collate排序规则];/*例：创建一个study数据库，并且指定字符集*/createdatabaseifnotexistsstudydefaultcharsetutf8mb4;删除数据库dropdatabase[ifexists]数据库名;切换数据库use数据库名;表操作

1Continuous-TimeDynamicNetworkEmbeddingsAbstract​ 描述一种将时间信息纳入网络嵌入的通用框架，该框架提出了从CTDG中学习时间相关嵌入Conclusion​ 描述了一个将时间信息纳入网络嵌入方法的通用框架。该框架为推广现有的基于随机游走的嵌入方法提供了基础，用于从连续时间动态网络学习动态（时间相关）网络嵌入Figureandtable图1：这幅图的边标签为时间，注意v4v1v2不是一个合法的时序游走，因为v1v2的边时序小于v1v4的边图2，可以看到大部分的时序随机游走长度都集中在右侧表1SOTAIntroduction​ 在这个论文里提出了一种

1Continuous-TimeDynamicNetworkEmbeddingsAbstract​ 描述一种将时间信息纳入网络嵌入的通用框架，该框架提出了从CTDG中学习时间相关嵌入Conclusion​ 描述了一个将时间信息纳入网络嵌入方法的通用框架。该框架为推广现有的基于随机游走的嵌入方法提供了基础，用于从连续时间动态网络学习动态（时间相关）网络嵌入Figureandtable图1：这幅图的边标签为时间，注意v4v1v2不是一个合法的时序游走，因为v1v2的边时序小于v1v4的边图2，可以看到大部分的时序随机游走长度都集中在右侧表1SOTAIntroduction​ 在这个论文里提出了一种

报错内容如下org.springframework.context.ApplicationContextException:Unabletostartwebserver;nestedexceptionisorg.springframework.boot.web.server.WebServerException:UnabletostartembeddedTomcatatorg.springframework.boot.web.servlet.context.ServletWebServerApplicationContext.onRefresh(ServletWebServerApplicat