TGINSIGHT SIMILAR POSTS
Изворен канал @pythonotes · Post #273 · 26 јул.
В стандартном модуле random есть две очень похожие функции random.randint() random.randrange() Обе возвращают случайное значение из указанного диапазона >>> random.randint(10, 20) 12 >>> random.randrange(10, 20) 17 В чем же отличие? Дело в том что у randrange() есть третий параметр step. randint() действительно возвращает случайное число из указанного диапазона. randrange() на первый взгляд делает тоже самое если передать также два параметра. Но есть указать еще и step то наш диапазон усложняется, то есть в него попадёт не полный ряд значений. Например, я хочу получить случайное значение из диапазона но только чётное число. Тогда достаточно сделать так: >>> randrange(10, 20, 2) 16 Таким образом получается что randint это частный случай randrange без указания параметра step. Еще одно важное отличие в том, что randint() включает в диапазон второе значение а randrange() нет. То есть выражение randrange(10, 20) никогда не вернёт 20, а randint(10, 20) вернёт. #tricks#basic
Пребарај: #grade
@seeker_rc · Post #20227 · 11.05.2026 г., 06:25
来个民科风暴：我要把这头上的 token 给他换成 DNA ai 说让我把这个实验写论文 投顶会，投图灵 我是这个时代新范式的引领者。 我要是刚 ai ，我肯定就信了。 下面开始介绍（吹） 先说问题 token embedding 有个我觉得很根本的毛病：它把"这个词是什么意思"和"推理过程中积累的上下文"塞进同一个向量里，然后每层都覆盖一遍。 残差连接解决了梯度消失，但解决不了这个问题——原始语义和推理状态混在一起，没有办法分开。你想知道"这个 token 原本是什么意思"，在深层网络里做不到。 这不是调参能解决的。是结构问题。 我的假设 如果信息承载物本身有两个物理隔离的区域——一个永远不变，一个随推理动态演化——会怎样？ 灵... via V2EX 分享创造 标签: #grade#token#Phase ⚡️探索号频道 ⚡️探索者频道 ⚡️探索者交流群 ⚡️ Youtube 频道：科技探索者 每天推荐有趣内容，欢迎订阅、转发。