Clay

[PyTorch] 使用 torch.cat() 在 torch tensor 中實現如 List 資料結構中的 append() 操作

在我使用 PyTorch 搭建模型的過程中，經常會在處理資料時，對於如何將資料『串接』感到不知所措。

使用 PyTorch 框架搭建一個模型是一件十分方便簡易的事情。但是除了單純地搭建模型、訓練模型之外，我們也可以透過 PyTorch 框架，將已經訓練好的模型輸出其神經網路的『權重』、或是只單單擷取出其中一層『模型層』。

Python 是非常適合用於『數據分析』的程式語言，乾淨簡潔的語法、各式各樣豐富的套件，讓我們幾乎可以使用 Python 完成任何我們想要的功能 —— 而我們只需要把對應的套件找出來！

Embedding，在中文中經常被譯作『嵌入』，在 NLP 領域中通常指的是將『文字』轉換成『數值』的這個動作 —— 畢竟文字是所謂不連續的資料，也是電腦所無法處理的資料。

今天我在使用 PyTorch 當中的 nn.Embedding 時，由於我誤會了 nn.Embedding 的使用方法，故出現了以下報錯：

Clips 全名為 C Language Integrated Production System，是一種所謂的『專家系統』，也是人工智慧的分枝，早年應用在航空等領域 —— 當然近年來提到人工智慧，大多數人都會聯想到神經網路。

今天伺服器所在的區域突如其來地停了電，在供電正常了以後，我連忙將被緊急中止的伺服器重新開機 (沒有裝 UPS ...)。基本上所有的裝置都好好的，就只有一台主機無法順利啟動，一直出現以下報錯：

自從 Apple 宣布了 iPad Pro 2020 的消息以後，我一直惦記著這個號稱全新生產力工具的產品，一直期待著有一天能將其買來，體驗看看那宣傳影片中的強悍功能。

眾所皆知，中國的百度雲端上有著各式各樣的資料與檔案，在 NLP 的研究領域中，更是存在著許許多多貴重的資料。

GRU (Gate Recurrent Unit)，我個人並不確定其是否存在著中文譯名。它與 LSTM 同樣為 RNN (循環神經網路) 的變體，也與 LSTM 同樣旨在解決 RNN 當中存在著的梯度問題。