小编Pey*_*man的帖子

我想gensim通过安装 python 包pip install gensim

但是发生了这个错误，我不知道应该做什么来解决它。

      running build_ext\n      building 'gensim.models.word2vec_inner' extension\n      error: Microsoft Visual C++ 14.0 or greater is required. Get it with "Microsoft C++ Build Tools": https://visualstudio.microsoft.com/visual-cpp-build-tools/\n      [end of output]\n\n  note: This error originates from a subprocess, and is likely not a problem with pip.\nerror: legacy-install-failure\n\n\xc3\x97 Encountered error while trying to install package.\n\xe2\x95\xb0\xe2\x94\x80> gensim\n\nnote: This is an issue with the package mentioned above, not pip.\nhint: See above for output from the failure.\n

我想在 Pyplot 中使图例尺寸更大。我用这个答案来做到这一点。这是我的代码。

import matplotlib.pyplot as plt
import seaborn as sns

sns.set_style("whitegrid")
plt.rcParams['figure.figsize'] = [15, 7]

lst = [1,2,3,4,5,6,7,8,9,8,7,6,5,4,3,4,5,6]

plt.plot(lst)
plt.legend(fontsize="x-large") # Here I make it bigger but doesn't work
plt.legend(["This is my legend"])
plt.ylabel('some numbers')
plt.show()

我收到此警告，但我不知道出了什么问题。我不明白这里的“艺术家”是什么意思。

没有找到带有标签的艺术家加入传奇。请注意，当不带参数调用 legend() 时，标签以下划线开头的艺术家将被忽略。

在机器学习中，尤其是深度学习中，热身意味着什么？

我听说有些时候，热身是训练的一个阶段。但说实话，我不知道这是什么，因为我是ML的新手。到目前为止，我从未使用过或接触过它，但是我想知道它，因为我认为它可能对我有用。所以：

什么是学习率热身，何时需要？

提前致谢。

当我使用时ggplot，当我使用时，stat_smooth()我会收到如下自动消息：

geom_smooth()使用 method = 'loess' 和公式 'y ~ x

问题是我使用 RMarkdown 构建 PDF，我想在那里显示一些图表。该消息将像这样显示：

我怎样才能关闭此消息？或者任何不将其显示在带有绘图的 PDF 上的方法。

问题是什么？我尝试了" python -m pip install -U pip "和" python -m pip install --upgrade pip "两者都有相同的错误(和" pip install -U --force-reinstall pip ").我该怎么办？

C:\Users\Peyman\PycharmProjects\untitled3>python -m pip install -U pip
Collecting pip
  Using cached https://files.pythonhosted.org/packages/5f/25/e52d3f31441505a5f3af41213346e5b6c221c9e086a166f3703d2ddaf940/pip-18.0-py2.py3-none-any.whl
Installing collected packages: pip
  Found existing installation: pip 9.0.3
    Uninstalling pip-9.0.3:
      Successfully uninstalled pip-9.0.3
  Rolling back uninstall of pip
Exception:
Traceback (most recent call last):
  File "C:\Users\Peyman\AppData\Roaming\Python\Python35\site-packages\pip\basecommand.py", line 215, in main
    status = self.run(options, args)
  File "C:\Users\Peyman\AppData\Roaming\Python\Python35\site-packages\pip\commands\install.py", line 342, in run
    prefix=options.prefix_path,
  File "C:\Users\Peyman\AppData\Roaming\Python\Python35\site-packages\pip\req\req_set.py", line 784, in install …

我正在尝试使用aitextgengoogle Colab 中的 python 包，以便我可以微调 GPT。

首先，当我安装这个包的最后一个版本时，在导入它时遇到了这个错误。

Unable to import name '_TPU_AVAILABLE' from 'pytorch_lightning.utilities'

尽管在这个问题中给出的解决方案的帮助下，我可以通过降级我的包来传递这个错误，如下所示：

!pip3 install -q aitextgen==0.5.2
!pip3 install -q torchtext==0.10.0
!pip3 install -q torchmetrics==0.6.0
!pip3 install -q pytorch-lightning==1.4.0rc0

但现在我在导入aitextgen包时遇到这个错误，colab 会崩溃！

/usr/local/lib/python3.8/dist-packages/torchvision/io/image.py:13: UserWarning: Failed to load image Python extension: libtorch_cuda_cu.so: cannot open shared object file: No such file or directory
  warn(f"Failed to load image Python extension: {e}")

请记住，错误是在导入包时出现的，并且我的代码中没有错误。更清楚地说，当我像aitextgen这样导入时出现此错误：

import aitextgen

我该如何处理这个错误？

通过使用 Google Chrome 的检查元素，我可以轻松查看图像尺寸。就像在谷歌的网站上解释的那样。

但我也想知道图像文件的大小（大小，如 50kb）。我知道我可以先下载然后在我的电脑上查看图像文件大小，但我认为这不是最好的方法。

我想知道是否可以在 Chrome 的检查元素中找到有关图像文件大小的信息。

PyTorch LSTM文档中写道：

\n

batch_first \xe2\x80\x93 如果为 True，则提供输入和输出张量\nas（batch、seq、feature）。默认值：假

\n

我想知道为什么他们选择默认批量维度作为第二个而不是第一个。对我来说，将我的数据成像[batch, seq, feature]为[seq, batch, feature]. 第一个对我来说更直观，第二个则违反直觉。

我在这里询问这背后是否有任何原因，以及您是否可以帮助我对此有一些了解。

在编写 PyTorch 时，torch.nn.utils我看到两个函数，clip_grad_norm和clip_grad_norm_。

我想知道其中的区别，所以我去检查文档，但是当我搜索时，我只找到了clip_grad_norm_，而没有找到clip_grad_norm.

所以我就来问问大家有没有人知道其中的区别。

我对两个 Huggingface 管道TextGeneration和Text2TextGeneration之间的技术差异感到困惑。

在 TextGeneration 中指出：

使用任何 ModelWithLMHead 的语言生成管道。该管道预测指定文本提示后面的单词。

但不是有语言模型可以做到这一点吗？“预测下一个单词”？那么这个管道与 Text2TextGeneration 有什么不同呢？Text2TextGeneration 不会预测下一个可能的单词吗？

我还尝试了使用“Text2TextGeneration”管道的一些模型，尽管 HuggingFace 发出警告“该模型不支持 text2text- Generation”，但它实际上有效并生成了一些输出。

如果有人可以解释技术差异，我们将不胜感激。