A Concise Review of Recent Few-shot Meta-learning Methods few-shot meta-learning的预期是希望model能像人一样，在prior knowledge的基础上，快速

Simple and Effective Few-Shot Named Entity Recognition with Structured Nearest Neighbor LearningContributions 作者引入了STRUC

z在Deep Learning的编程中，总是会遇到verbose这个概念，我一直理解这个单词就是控制程序打印信息的意思，但是具体是怎么控制打印信息，我一直没理解，查阅资料之后发现，这个参数在Keras中常见，stackoverflow关于它

在使用huggingface transformers时经常需要用到保存model，或者说是保存model的parameters。看了一篇medium上的blog，感觉很有用，解决了我很多的困扰，下面是blog里面的精髓： Applyin

为什么需要gradient clipping？在DL的项目中常常会看到gradient clipping的身影，命令行传入参数grad_clip，然后再调用clip_grad_norm_()函数，如下： parser.add_argumen

基本概念Few-Shot Learning与传统监督学习的不同Few-Shot Learning的数据集一般包括：training set，support set和query。 Few-Shot Learning的目标是让模型能够在一个很大

Joint Extraction of Entities and Relations Based on a Novel Decomposition StrategyBackground Joint Extraction of Entitie

在做NLP实验，进行数据预处理的时候，用到了字典对象之间的assignment，调试的时候发现数据不太对，通过查阅资料发现，原来Python中的assignment也是另有玄机，除此之外，还有shallow copy和deep copy两种

Python语言在设计之初，使用了一个非常有用的特性叫做——modular programming（模块化编程）。基于这种语言特性，写程序就会像搭积木一样简单。而Python中实现模块化编程的工具有functions,modules,pac

在深度学习编码的过程中，常常会遇见一些变量名叫做logits，这个logits到底指代了一个什么东西呢？查阅资料之后，我在Google的machine learning文档中找到了定义： LogitsThe vector of raw (