课程在b站上
https://www.bilibili.com/video/BV1LA411n73X?p=7&spm_id_from=pageDriver
一、TF-IDF
嗯嗯，这次感觉终于弄懂了，用sklearn跑一下叭！！！
正好练习一下git
1、ravel()不产生副本的降维
https://blog.csdn.net/tymatlab/article/details/79009618
numpy中的ravel()、flatten()、squeeze()都有将多维数组转换为一维数组的功能，区别：
ravel()：如果没有必要，不会产生源数据的副本
flatten()：返回源数据的副本
squeeze()：只能对维数为1的维度降维
2、pycharm的cmd没设置好，虚拟环境一直卡bug，我服了。不过解决了
3、看起来那么简单，却一波三折，为什么requirenment里面的一些包安装不了啊
0------看代码
1、这里打印了（n,idf）和v2i
其实这个v2i是单词对应的索引值；
n，idf是单词对应的idf
比如说，这里面的am是第一个，所以他的索引就是0，他在v2i这个字典里面’am’:0
用的时候我们可以根据v2i这个字典，找到其对应的idf
我醉了，想把写好注释的代码push到github
结果。。。。我的github太老了，登不上去，卡bug居然要更新。
我丢，还原来是clone的时候用的是http，不是ssh，所以push不上去。
总之，终于push上去了。继续看课l
词向量
1、看了CBOW和skip-gram两个模型
手动画图叭
2、顺便看下鹅鹅鹅softmax算了
有啥用呢？？其实就是根据概率把原来的值映射到0-1，并且加和为1
“softmax直白来说就是将原来输出是3,1,-3通过softmax函数一作用，就映射成为(0,1)的值，而这些值的累和为1（满足概率的性质），那么我们就可以将它理解成概率，在最后选取输出结点的时候，我们就可以选取概率最大（也就是值对应最大的）结点，作为我们的预测目标！”
作者：忆臻
链接：https://www.zhihu.com/question/23765351/answer/240869755
来源：知乎
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。
3、手画了个图，大概原理可以了解
4、看一下代码
CBOW
莫大大nb，教程直接看源码了
呃呃呃呃
还是学一下tf2如何快速上手叭
这个官方教程页太简洁了叭
https://www.tensorflow.org/tutorials/quickstart/beginner?hl=zh-cn
有一说一，感觉代码还是比较复杂的，需要学一下tf才能比较轻松地学懂，所以我们先看原理叭还是。
seq2seq
1、将词向量通过序列模型变为句向量。
2、encoding和decoding的概念
3、decoding时inference和training的区别？
由于rnn的预测是连续的，在训练时，我们不希望与正确结果渐行渐远，所以尽量给正确信息；而在真正预测，也就是这里说的inference，我们没法保证给的是真实信息，就put into practice了。
4、beam_search和Greedyembeddingsearch的区别？
贪心就是每次只选最好的；而beam可以设置参数，选择保留考虑前几个最好的，就可能选到全局最优。
总觉得这个词到句向量的转换没说清楚，我再去查查其他资料。
找了一篇文章
https://zhuanlan.zhihu.com/p/65591919
state会作为下一级的输入传入下一个相邻的block，而块输出y则会被采集或丢弃，然后通过处理得到我们需要的信息。在多层RNN中，y会作为下一层的输入。
如果我没理解错的话，seq2seq就是先用word2vec得到向量，然后再encoding和decoding。
5、CNN也可以作为encoder
优势：并行计算
缺点：“裁剪”rigid
6、在下面的课中提到了句向量，觉得不太熟悉。
如果RNN作为encoder，那么句向量是最后一层rnn输出的y值所构成的矩阵吗？
参考文章
https://zhuanlan.zhihu.com/p/57623148
查了资料，感觉不是我才猜测的那样，不过这种说法倒是可以很好的解释encoding和decoding 的图
’这样接收完一句话后，得到的隐藏层的向量理论上是包含了一句话的信息，所以我们可以将这个最终的隐藏层向量看做是对整句话的编码，但是当句子长了之后，这个向量还能记得这么多吗‘
也就是说，其实句向量是最后学完输出的state向量，这个向量综合了整句话的信息，在信息综合方面，确实合理 。
注意力机制
1、感觉这个讲的也不是很好理解，还是先找找其他资料
注意力机制用法-tfa.seq2seq.LuongAttention()
参考资料：
https://blog.csdn.net/u010960155/article/details/82853632
对于Decoder中每个要生成的y，都会生成一个上下文向量。这个上下文向量是由每个输入的words的信息加权求和得到的，其中权重向量就是注意力向量，它代表在此刻生成y时输入的单词的重要程度。最后将上下文向量和此刻的y的信息进行融合作为输出。
2、注意力机制引入的原因？
句子太长，信息容易丢失。
3、怎么用？
相当于每次decoder的输出y都有前面的x的参与，而且不同的x参与程度不同。
4、问题来了-如何决定这个重要程度？也就是如何计算上下文向量
对于Decoder中每个要生成的y，都会生成一个上下文向量。这个上下文向量是由每个输入的words的信息加权求和得到的***，其中权重向量就是注意力向量，它代表在此刻生成y时输入的单词的重要程度***。最后将上下文向量和此刻的y的信息进行融合作为输出。
原文这样写的，“我们把这个target state跟所有的Encoder的state进行比较，这样对每个state得到了一个score;”
但是合理性？？？为什么用target state比较呢？
target state是目前的句子信息，与encoder之前所有的句子信息作比较，是怕忘记了之前的信息，想看一下与之前信息的相似程度，与哪一部分更加相似，就更加强调第二步的信息。这样将target state的重要性分明，照常进行y的预测。
这篇写的不错，感觉看的明白一点了。
https://zhuanlan.zhihu.com/p/54491016
Attention感觉就是在seq2seq只有上一个预测词(yt-1)+前些话的信息(st-1)的基础上；多加上了前面encoding的句子（带翻译的句子）不同阶段（长度）（s）的不同权重(a,通过训练得到)的信息。就像一个信息的大杂烩。
Transformer
大致了解了一下Transformer
ELmo
双向LSTM
感觉比Attention机制简单了不少!!!
总之，就是前向信息+后向信息+词向量信息一起进行预测
GPT&BERT
大概就是Transformer的进一步深化叭。
因为transformer还没听明白，所以这块也只是听一听。而且这两个模型应该又有不断的改进。
GPT是单向的；BERT是双向的
两者都超大，而且是基于Transformer（注意力的注意力——注意力机制+不断叠加）
应用
最后讲了一些应用领域吧，感觉还是挺宽广的。
这两天没休息好，哎。要是精力充沛，能学的更好的！
接下来有可能的话，要深入了解transformer、gpt和bert。
明天要学tf2！！！
加油！
