本文共 1165 字，大约阅读时间需要 3 分钟。

TokenEmbedding：

向量矩阵：

        类似字典，第一行为字典里第一个词的词向量；

例子：embedding若为300维，字典中有30000个词

token-embedding维度为：30000(列)*300(行)，每一行为一个词向量。

第三行为，字典中第三个字对应的词向量。词向量大小为300维。

若中英文混杂，调用的中文tokenembedding，会将英文当做UNK处理。在特定领域需要自己进行词向量和词表的构建，效果会更好。

NLP任务中的字典：

        一一对应关系，例：一个字对应一个索引

        根据字典得到索引，就能得到词向量，任务结束后得到索引，根据词典，在返回结果。

深度学习处理NLP任务：

        不处理特殊字符，以字为单位。都有对应的embedding

下载anaconda：

cuda和cuDNN的关系和对应关系：

查看cuda版本

win+r

cmd         

nvcc --version

查看对应版本

根据cuda版本下载离线对应torch：

torchaudio-0.x.x(x.x版本与上面对应

torchvision-...+cu110...

离线安装

 图转自

测试torch.cuda命令：

import  torch#返回当前设备索引# torch.cuda.current_device()#返回GPU的数量# torch.cuda.device_count()#返回gpu名字，设备索引默认从0开始# torch.cuda.get_device_name(0)#cuda是否可用# torch.cuda.is_available()# pytorch 查看cuda 版本# 由于pytorch的whl 安装包名字都一样，所以我们很难区分到底是基于cuda 的哪个版本。# print(torch.version.cuda)# 判断pytorch是否支持GPU加速# print (torch.cuda.is_available())# 【PyTorch】查看自己的电脑是否已经准备好GPU加速（CUDA）# 那么在CUDA已经准备好的电脑上，会输出：cuda:0# 而在没有CUDA的电脑上则输出：cpudevice = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")print(device)————————————————版权声明：本文为CSDN博主「Gabriel_wei」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。原文链接：https://blog.csdn.net/Gabriel_wei/article/details/109897175

转载地址：https://blog.csdn.net/qq_41427834/article/details/118652925 如侵犯您的版权，请留言回复原文章的地址，我们会给您删除此文章，给您带来不便请您谅解！