踩坑今天使用gitlab踩坑了目的是要将代码上传到公司gitlab中，组长给我创建好了仓库，但是没有初始化仓库。我需要将本地代码上传上去，老操作，先在本地代码的目录打开gitbash，然后初始化，提交等一系列操作.当我要将代码推到远程的时候，报了个错误，查了下百度：意思是我的权限不够，不能将代码推到远程的main分支。在这里卡了比较久，因为我一开始在想是不是由于我本地没有授权gitlab账号，导致上传失败呢？我记得我之前是配置过sshKey的。但是我还是去重新配置了一遍。sshkey配置方式参考：https://www.cnblogs.com/hafiz/p/8146324.htmlsshKe
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
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
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
PostgreSQLAUTOINCREMENT（自动增长）AUTOINCREMENT（自动增长）会在新记录插入表中时生成一个唯一的数字。PostgreSQL使用序列来标识字段的自增长，数据类型有smallserial、serial和bigserial。这些属性类似于MySQL数据库支持的AUTO_INCREMENT属性。使用MySQL设置自动增长的语句如下:CREATETABLEIFNOTEXISTS`runoob_tbl`(`runoob_id`INTUNSIGNEDAUTO_INCREMENT,`runoob_title`VARCHAR(100)NOTNULL,`runoob_author
PostgreSQLAUTOINCREMENT（自动增长）AUTOINCREMENT（自动增长）会在新记录插入表中时生成一个唯一的数字。PostgreSQL使用序列来标识字段的自增长，数据类型有smallserial、serial和bigserial。这些属性类似于MySQL数据库支持的AUTO_INCREMENT属性。使用MySQL设置自动增长的语句如下:CREATETABLEIFNOTEXISTS`runoob_tbl`(`runoob_id`INTUNSIGNEDAUTO_INCREMENT,`runoob_title`VARCHAR(100)NOTNULL,`runoob_author
SQLAUTOINCREMENT字段Auto-increment会在新记录插入表中时生成一个唯一的数字。AUTOINCREMENT字段我们通常希望在每次插入新记录时，自动地创建主键字段的值。我们可以在表中创建一个auto-increment字段。用于MySQL的语法下面的SQL语句把"Persons"表中的"ID"列定义为auto-increment主键字段：CREATETABLEPersons( IDintNOTNULLAUTO_INCREMENT,LastNamevarchar(255)NOTNULL,FirstNamevarchar(255),Addressvarchar(255),Ci
