小编nam*_*-Pt的帖子

我已经在 Visual Studio Code 中安装了 Django 支持，并根据扩展要求将*/templates/*.html与django-html相关联。

但是，它不能像我那样自动竞争HTML 标签。

如果我只是将 HTML 与其自身相关联，那么它就不能智能感知Django Template code。

我怎样才能自动完成两者？

PyTorch 的官方安装页面不包含torch==1.12.1,cudatoolkit=11.4选项。我该如何安装它？

或者，我可以直接安装torch==1.12.1（cudatoolkit=11.3页面上有）吗？它会对速度或性能造成任何损害吗？

假设我有一个attn_weights大小为 [1,a] 的张量，其中的条目表示给定查询和 |a| 之间的注意力权重 键。我想使用选择最大的一个torch.nn.functional.gumbel_softmax。

我发现有关此函数的文档将参数描述为logits - [\xe2\x80\xa6, num_features] unnormalized log probabilities。我想知道在将其传入之前我是否应该采取logof ？attn_weightsgumbel_softmax我发现 Wiki 定义了logit=lg(p/1-p)，这与勉强对数不同。我想知道我应该将哪一个传递给该函数？

另外，我想知道如何选择tau，gumbel_softmax有什么指导方针吗？

Ubuntu我正在处理remoteSSH，并将名为nnform 的虚拟环境中的 python 内核更新3.7.9为3.8.5，但是，我仍然发现旧内核位于 jupyter 内核列表中。我想知道如何从内核列表中删除旧的内核名称。

我已将python 3.7.9和替换python3.6.4为python 3.8.5，但旧内核并没有消失，我想手动删除它们。

此外，我无法Python 3.8.5从内核列表中进行选择。

正如标题所说，我想知道处理栏中显示的速度tqdm是瞬时的还是平均的？

我想通过函数导出梯度torch.topk。

假设我的输入是一个向量 ,

然后通过参数矩阵进行变换 ,

并选择向量的前 k 个值 。

结果向量通过逐元素乘法进一步变换。

最后损失计算如下

。

我想知道，损失相对于 W 可微吗？形式上，我们可以计算以下梯度吗？

BertTokenizer可以将一个句子标记为标记列表，其中一些长单词（例如“embeddings”）被分成几个子词，即“em”、“##bed”、“##ding”和“##s”。

有没有办法找到子词？例如，

t = BertTokenizer.from_pretrained('bert-base-uncased')

tokens = t('word embeddings', add_special_tokens=False)
location = locate_subwords(tokens)

我想要对应于 的locationbe like ，其中 0 表示普通单词，1 表示子单词。[0, 1, 1, 1, 1]['word', 'em', '##bed', '##ding', '##s']