这是一个简单的应用LSTM在Pytorch文本分类任务上，使用贝叶斯优化超参数调优。 【配置】 可以在src/constants.py文件中设置各种超参数。 每个变量的说明如下。 注意，对于贝叶斯优化，要调优的超参数应该以元组的形式传递。 你可以将参数设置为一个元组或一个特定的值。 前者意味着该论证将被纳入贝叶斯优化的主题，而后者意味着它不应被纳入。 【操作运行】 参考代码中的项目说明文件，按照说明一步步操作

文本摘要 CNN/DailyMail 原始数据集。 压缩包内含 cnn_stories.tgz 和 dailymail_stories.tgz 。 可用于抽取式摘要（Extractive Summarization）任务以及生成式摘要（Abstractive Summarization）旨在方便国内的研究者们获取该数据集。 技术细节可参考博文：https://blog.csdn.net/muyao987/article/details/104949367

CDial GPT 本项目提供了一个大规模中文对话数据集，并提供了在此数据集上的中文对话预训练模型（中文GPT模型），更多信息可参考我们的。 本项目代码修改自 ，使用了HuggingFace Pytorch版的库，可用于预训练与微调。 目录 消息 2021-02-28：一个，欢迎大家提bug和加速优化算法，以及新的清洗功能等等。 2021-01-09：实验室出版新书 ，欢迎大家阅读购买。 2020-11-20：预训练模型新工作 。本工作将词级的语言学知识（包括词性和词的情感极性）。表示模型SentiLARE，欢迎大家使用。 2020-10-18：我们的论文《大规模中文短文本对话数据集》获得了NLPCC2020最佳学生论文奖。 :party_popper: :party_popper: :party_popper: 2020-09-08：感谢所提供的。 2020-09-02：可用加载，感谢苏剑林提供代码。 我们所提供的数据集LCCC（大规模汉语清洁会话

使用seq2seq模型与attention注意力机制生成对联，数据集中有预处理代码，其对应的工程代码github地址：https://github.com/zhangzhiqiangccm/NLP-project

第一章大作文趋势:ｗａｖｅ英语一漫画作文(ｃａｒｔｏｏｎ学术型硕士)标准字数在２００—２３０字英语二图表作文(ｃｈａｒｔ专业型硕士)标准字数１６０１８０字•写作

COCO LM预训练（WIP） 在Pytorch中实现 ，纠正和对比文本序列以进行语言模型预训练。 他们能够以自我监督的方式进行对比学习，以进行语言模型预训练。 似乎是Electra的坚实后继者。 安装 $ pip install coco-lm-pytorch 用法 使用x-transformers库的示例 $ pip install x-transformers 然后 import torch from torch import nn from x_transformers import TransformerWrapper , Encoder from coco_lm_pytorch import COCO # (1) instantiate the generator and discriminator, making sure that the generator is ro

给出了VC/MFC文本输出 屏幕绘图实例 位图操作 绘图句柄操作 等编程设计的28个实例，对学习绘图和文字输出方面的同学来说非常简单易懂，（本资源的实例均为本人从光盘中拷出来的，能够正常运行）

将文本输入该文本框内，系统将读出文本框内容，Rate调节语速，Volume调节音量。

样式 aa，AA。a到A bb，BB。b到B 原文 aaa bbb 替换后 AAa BBb 用于大批量替换文本内容 只支持ANSI格式 选取替换后首位置显示|a到A

基础知识，供小白参考