prompt系列-OpenPrompt入门一
介绍此次开辟一个新的话题，叫做prompting learning。prompting learning常用于零样本、小样本领域，通过将下游训练数据转换成预训练模型任务，进行小样本微调或者零样本进行预测。 之前在UIE-事件提取中也有涉及prompt，但是UIE的做法是构造prompt输入，再和原句一起微调模型，完成提取任务。那这里我们来看看OpenPrompt是怎么做的。 关于OpenPrompt，此处不做过多介绍，请直接看官网。 官方有张图阐述了OpenPrompt的架构，请看下图。 下面通过官方示例来说明它的工作原理。 主要模块介绍1. Template这个从网上一搜prompting learning，不可避免搜到template，这个是将下游训练数据通过template转换成符合预训练模型任务的..
更多Sublime Text4 4126 安装激活
介绍此教程用于Windows 下Sublime Text4 4126版本的安装和激活。官网： https://www.sublimetext.com下载地址https://download.sublimetext.com/sublime_text_build_4126_x64_setup.exe激活安装之后，使用sublime text 打开安装目录下的sublime_text.exe文件。搜到到8078 0500 0f94 c1更改为c640 0501 4885 c9然后另存到其他路径，然后关闭sublime text，将原sublime_text.exe进行替换即可。输入激活码（理论不需要）打开Sublime text，点击菜单栏-–>Help—>Enter License输入下列激活码即..
更多
一种英雄联盟召唤师战力值算法
研究如何计算一个玩家在对局开始前的战力值TL;DR一个玩家的战力值由排位分，游戏分，英雄分加其他分数组成。前言最近尝试计算出对局开始时一个玩家的战力值，顾名思义就是用数值描述这个玩家的能力。初步得出基于排位分 + 游戏分 + 英雄分 + 其他因素的计算公式。排位分段位越高的玩家自然表示能力越强，排除代练，买号，代打等情况。以前的 Rank 分就是说明，不过现在 Rank 分被段位取代了，所以这里的排位分模拟 Rank 分。排位分是一个玩家的基础分数，是决定玩家战力高低的根本，没有定级的玩家会有一个默认分数。一种情况是以前的段位比现在高，但是本赛季还没有达到之前的段位，这种情况下会补偿一些分数，表示当前段位不是真实实力。另一种情况是以前最高段位比现在低，说明当前的实力上升，这种情况会取当前段位作为计算基础。..
更多
ELK Stack 安装教程，RHEL及衍生系统。
介绍“ELK”是三个开源项目的首字母缩写，这三个项目分别是：Elasticsearch、Logstash 和 Kibana。Elasticsearch 是一个搜索和分析引擎。Logstash 是服务器端数据处理管道，能够同时从多个来源采集数据，转换数据，然后将数据发送到诸如 Elasticsearch 等“存储库”中。Kibana 则可以让用户在 Elasticsearch 中使用图形和图表对数据进行可视化。目前最新的名字叫 Elastic Stack 是 ELK Stack 的更新换代产品。（增加了Beats）注意：本文章主要用于syslog类型的日志收集，取消ES的加密访问是为了方便接入frostmourne进行日志告警。安装环境系统： AlmaLinux 9 （关闭SE Linux）软件版本，使用E..
更多
CTF | 2022 网鼎杯初赛 青龙组 WriteUp
引言 2022 第三届 网鼎杯 网络安全大赛 “网鼎杯”是迄今为止全球规模最大、覆盖面最广的国家级网络安全赛事，被称为网络安全“奥运会”，目前已成功举办两届。2018年第一届“网鼎杯”在北京举办，吸引了来自全国14大关键领域，3200多家单位的7008支队伍、22455人参赛，创当时规模之最；2020年第二届“网鼎杯”在深圳举办，来自全国14大关键领域，6000多家行业单位的14724支战队、50165人线上参赛，2000人超大规模同场竞技、现场空前呈现，为业界呈现了一场全球最大规模的国家级网络安全赛事。 第三届“网鼎杯”在前两届基础上提档升级，由公安部指导，“政产学研用”各领域权威共襄盛举，打造最大规模最高水平的国家顶级赛事。本届大赛以“数字未来，共同守护”为主题，号召各行业各领域共同防御网络威胁，筑..
更多Ubuntu Netplan配置工具
简介Netplan 是从Ubuntu 18.04开始使用的网络配置工具。Netplan官方配置指南配置文件路径 /etc/netplan/*.yaml配置静态IP123456789101112131415161718192021# This is the network config written by 'subiquity'network: ethernets: ens33: dhcp4: no #关闭dhcp dhcp6: no #关闭dhcpv6 accept-ra: no #关闭IPv6无状态 addresses: - 10.230.31.55/24 #配置ipv4地址 ..
更多
HTTP请求传参详解
本篇文章主要介绍了HTTP的数据结构, 以及application/x-www-form-urlencoded,multipart/form-data, application/json类型请求的编码方式。什么是HTTP HTTP(超文本传输协议) 是服务器和客户端之间交换数据的方式。是为Web浏览器与Web服务器之间的通信而设计的有两种类型的消息︰请求（requests）– 由客户端发送用来触发一个服务器上的动作；响应（responses）– 来自服务器的应答。HTTP请求和响应具有相似的结构，由以下部分组成︰一行起始行用于描述要执行的请求，或者是对应的状态，成功或失败。这个起始行总是单行的。一个可选的 HTTP 头集合指明请求或描述消息正文。一个空行指示所有关于请求的元数据已经发送完毕。一个可选的包含..
更多
[笔记] ebpf 指北（一）
ebpf 是什么？ 对于我来说，最让我感到豁然开朗的解释的是 Brendan Gregg 大师在其博文中提到的: eBPF does to Linux what JavaScript does to HTML. (Sort of.) … In reality, eBPF is more like the v8 virtual machine that runs JavaScript, rather than JavaScript itself. eBPF is part of the Linux kernel. 实际上我看了很多对于 ebpf 的“正式”释义依旧云里雾里，大师的解释让我对于 ebpf 一下子不再心怀畏惧：认为其需要高深的 Linux 内核知识，需要充分的内核知识储备。 之后我就开始了我..
更多UIE-情感分类
引言在上一篇文章UIE-事件提取中，介绍了doccano的用法，也介绍了基于prompt事件提取的做法。本篇文章继续介绍基于prompt情感分类的做法。 数据标注关于doccano使用，请看构建分类式任务标签和句子级分类任务。标注完成后生成下面文件。 doccano_txt.json 12{"id": 7, "data": "这个产品用起来真的很流畅，我非常喜欢", "label": ["正向"]}{"id": 8, "data": "这个产品非常low", "label": ["负向"]} 使用句子级分类任务数据转换转换后，生成的样本如下所示： train.txt 1{"content": "这个产品用起来真的很流畅，我非常喜欢", "result_list": [{"text": "正向", ..
更多UIE-实体识别
引言这是关于UIE的第三篇文章，但是呢，我更倾向上一篇是UIE-事件提取，因为UIE-情感分类做法上和本篇关系不大。 本篇文章继续介绍基于prompt实体识别的做法。 数据标注如果你看懂了UIE-事件提取的做法，那这里也是同一类任务，都是属于抽取式任务项目。 doccano_txt.json 12{"id": 11, "data": "2月8日上午北京冬奥会自由式滑雪女子大跳台决赛中中国选手谷爱凌以188.25分获得金牌！", "label": {"entities": [{"id": 45, "start_offset": 0, "end_offset": 6, "label": "时间"}, {"id": 46, "start_offset": 24, "end_offset": 31, "lab..
更多