该存储库包含大规模预训练对话响应生成模型的源代码和训练模型。 人工评估结果表明，在单圈对话图灵测试下，DialoGPT产生的响应与人工响应质量相当。 最先进的大规模预训练响应生成模型（DialoGPT）此存储库包含大规模预训练对话响应生成模型的源代码和训练模型。 人工评估结果表明，在单圈对话图灵测试下，DialoGPT产生的响应与人工响应质量相当。 该存储库基于拥抱面pytorch-transformer和OpenAI GPT-2，包含数据提取脚本，模型训练代码

单片机proteus仿真实例，包含很多实例，内有DSN文件和keil程序，可直接使用。 单片机Proteus仿真实例是学习单片机设计的一种非常有效的方法。通过Proteus仿真软件，我们可以模拟单片机的运行情况，验证硬件电路的功能和程序的正确性。 以下是一个简单的单片机Proteus仿真实例，以51单片机为例： 打开Proteus软件，创建一个新的电路图。 在电路图中添加51单片机，并添加适当的电源和接地线。 添加一个按键和LED灯，分别连接到单片机的GPIO引脚上。 编写一个简单的程序，用于检测按键的状态，并控制LED灯的亮灭。 将程序编译成可执行文件，并在Proteus中加载。 运行电路图，观察仿真结果是否符合预期。 在仿真的过程中，我们可以实时观察单片机的运行状态，查看各个引脚的电平变化，以及输入和输出设备的状态。通过这个过程，我们可以更好地理解单片机的运行机制和硬件电路的设计原理。

本课件是对论文 BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding 的导读与NLP领域经典预训练模型 Bert 的详解，通过介绍NLP领域对通用语言模型的需求，引入 Bert 模型，并对其架构进行宏观微观的解读，然后详细介绍 Bert 每预训练阶段采用的两个任务，以及常见的微调下游任务场景。最后通过可视化的方式，给出 Bert 在向量表征上的优势所在。

solaris10上已经编译完成的gcc8.5.0以及cmake等工具

该文件是训练CR-GAN项目所需的预训练模型，该模型如果不下载则不能跑项目！

采用窄相关技术和双△相关技术，对BPSK（1）信号和BOC（1，1）信号在不同预相关带宽和不同相关器间隔时的平均加权多径误差包络进行了仿真，提取了多径误差典型值。结果表明，随着相关器间隔的减小，多径误差逐渐减小，但当相关器间隔为0.1个码片时，多径误差的减小已不明显；多径误差并不是随着预相关带宽的增大一直减小，而是有一个最小值。

Wav2lip预训练模型，包含人脸检测模型、wav2lip生成模型、wav2lip_gan生成模型、wav2lip判别模型等，使用此模型通过音频驱动视频，生成最终的嘴型与语音的匹配

在发射器和接收器处采用多个天线将探索额外的空间资源，以利用空分多址（SDMA）技术在系统吞吐量中提供可观的收益。 最佳多用户MIMO线性预编码被认为是多用户MIMO研究领域的关键问题。 在这种多用户系统中的挑战是设计预编码向量以最大化系统容量。 提出了一种基于粒子群算法的带LMMSE检测的最优多用户MIMO线性预编码方案。 所提出的方案旨在通过线性预编码和线性检测来最大化多用户MIMO系统的系统容量。 本文探讨了一种简化的函数来解决最优问题。 采用粒子群优化算法，可以根据简化函数容易地找到最优线性预编码向量。 与基于信道块对角化方法的多用户MIMO线性预编码方案相比，该方案提供了显着的性能改进。

glove.6B.100d.zip 是一个常见的数据集，其中包含预训练的GloVe词向量模型。该数据集提供了包含100维向量的大型单词向量集合，这些向量是在大规模文本语料库上使用GloVe算法训练得到的。

通信知识之预加重与去加重.预加重(Pre-emphasis)：发送端对输入信号高频分量的提升。 去加重(De-emphasis) ：解调后对高频分量的压低。