【MacOS】使用小记
引子
最近奖学金发下来了,打算用这点钱买点新的电子产品,思来想去发现自己游戏本的续航不够好,甚至撑不过一节课(90min)的时间,通过询问社团内的同学,得知MacBook Air的续航很出色。之前听说过MacOS是一个发展非常成熟的类Linux系统,于是就购入了一台MacBook Air M4 24G+512G。通过这两天的使用,我个人还是非常喜欢MacOS的。
最近奖学金发下来了,打算用这点钱买点新的电子产品,思来想去发现自己游戏本的续航不够好,甚至撑不过一节课(90min)的时间,通过询问社团内的同学,得知MacBook Air的续航很出色。之前听说过MacOS是一个发展非常成熟的类Linux系统,于是就购入了一台MacBook Air M4 24G+512G。通过这两天的使用,我个人还是非常喜欢MacOS的。
在Transformer架构流行之前,自然语言的处理,尤其是NER(命名实体识别)等任务,通常是利用传统的序列模型处理的,比如隐马尔可夫模型、条件随机场等。实际上,这些模型的假设通常是——模型的未来状态只与当前状态有关。这类模型的发展以HMM(隐马尔可夫模型)为起始,经过MEMM(最大熵马尔可夫模型),到CRF(条件随机场)为止。这些模型在现在已经很少使用了,不过依然有着意义。本篇就来探讨一下HMM和MEMM这两个模型。CRF放在新一期讲。