deeplearning

在 Pandas 中，.apply() 是用于对 DataFrame 或 Series 中的元素应用指定函数的方法。

对于 DataFrame，.apply() 可以在行或列方向上应用函数。语法如下：

txt
DataFrame.apply(func, axis=0)
  • func 是要应用的函数，可以是一个已定义的函数，也可以是一个匿名函数（如 lambda 函数）。
  • axis 是指定应用函数的方向，默认为 0，表示按列应用函数；设置为 1 则表示按行应用函数。

对于 Series，.apply() 仅能在元素级别上应用函数，无需指定应用方向。语法如下：

txt
Series.apply(func)
  • func 是要应用的函数，可以是一个已定义的函数，也可以是一个匿名函数（如 lambda 函数）。

在上述代码中，.apply(lambda x: (x - x.mean()) / (x.std())) 就是将匿名函数 lambda x: (x - x.mean()) / (x.std()) 应用到 DataFrame 或 Series 中的每个元素上。结果是对 DataFrame 或 Series 中的每个元素进行标准化计算，并返回处理后的结果

image-20231218090813900

​ 右–按照时间线展开图

image-20231218141358079

查询（自主提示）和键（非自主提示）之间的交互形成了注意力汇聚；注意力汇聚有选择地聚合了值（感官输入）以生成最终的输出。

torch.repeat_interleave() 函数是 PyTorch 中的一个张量操作函数，用于生成一个重复值的张量。它的详细解释如下：

txt

torch.repeat_interleave(input, repeats, dim=None)

参数说明：

  • input：输入张量。
  • repeats：重复次数，可以是一个整数、一个一维张量或一个与 input 张量形状相匹配的张量。
  • dim（可选）：指定重复操作的维度。

函数功能：

  • torch.repeat_interleave() 函数将输入张量 input 按指定的重复次数 repeats 进行重复，并生成一个新的张量。
txt
https://zhuanlan.zhihu.com/p/659067322

sk-QxaDRZHsiyhtTFpB3JXHMkQ5fiK0AnEQZgM27mbiEIaIkF0G