知乎上有一个这样的问题： Bert 在pretrain的时候 每个字的输出都是经过一个分类层后去预测自己 由于分类层中的权重是固定的 所以不管输入和中间的encoding有多么的复杂 每个字最后的输出在训练过程一定是长得越来越像自己在分类层中对应的那个权重 否则loss下不去 既然这样 在不同句子里相同字的输出应该区趋于相同才对 那又如何区别一字多义呢 问题参见：https://www.zh

线宽模拟思路 参看之前的文章：DXF笔记：多义线线宽的绘制思路 示例代码 演示了实现思路，展示了核心代码，因为依赖了其他一些代码，所以不能直接运行。 //osg图元项 shanql 2022.8.12struct tagOsgPrimitiveItem{tagOsgPrimitiveItem() :m_bFillMode(false){}osg::ref_ptr<osg::Vec3dA

new new用三种场景，最常用的实例化，泛型参数时的实例化约束，第三种是显式隐藏继承成员。 using System;using System.Collections.Generic;using System.Data;using System.Linq;using System.Text;using System.Threading.Tasks;using static Syst

先举个栗子吧 如：申请 1.作为一个名词，翻译为英文是apply 2.作为一个动词，翻译为因为是application 所以，国际化时候这类多义词就要做特殊处理 发现喜欢贴官网说明 上图： 将多义词以msgctxt在做个标记 msgctxt "apply none"msgid "申请"msgstr "apply" msgctxt "apply verb"msgid