全部內容
由新到舊
稍微看過我的主頁就會發現，我的文章以程式的教學與紀錄為主，這跟我目前修讀資管系也有關
但其實程式碼寫久了也會覺得很"沒勁"，今天經過一個小時的輾轉反側，看著天色漸漸光，索性直接起床吃個早餐開始打字
秉持著一個「髒話不罵出來心就髒了，有事不說出來心就亂了」的原則
決定開一個新房間來穩定發瘋👍
因為現在流行各種跨平台的東東，加上又是人手一機的時代，所以就來學一下怎麼做手機程式吧！
Flutter 是由 Google 推出的跨平台開發框架，只需使用一種語言（Dart）寫一次程式，就能同時部署在 iOS、Android、網頁（Web）和桌面平台上。
今天就是要帶大家認識這個新東西，及如何安裝
本篇在排除各種問題
Unable to locate Android SDK
cmdline-tools component is missing
Android license status unknown
Visual Studio is missing necessary components
我們昨天下載的資料集比較完整，已經幫我們分好了訓練、驗證、測試用的資料集，但是如果今天真的遇到一大筆資料集的話該怎麼分割？
大家都知道，訓練一個完整的模型需要上萬筆資料，而資料的取得往往是最令人頭痛的地方
在知道如何下載前，先來談談「資料集 (Dataset)」這個東西
顧名思義，資料集就是指資料的集合，而且最重要的是要能在電腦中處理...
上一篇只講了 Tokenizer 最快的用法，但仔細想想還是寫得再詳細一點好了
tokenizer() 可以將一串句子變成電腦看得懂的編碼，但他其實包含三個動作
1. 將句子拆分成一個一個字詞
2. 將字詞轉換成編碼
3. 添加 Special Token
今天要講的是 Hugging Face 貼心準備的工具包，歸屬在 Transformers 中的 Tokenizer (分詞器)
電腦沒辦法理解人類的語言，所以需要先將文字轉換成電腦能讀懂的數字，而我們不可能把一整句話直接編碼，例如："I love you."=1、"I love him."=2...，這樣編碼到最後會變成天文數字，所以在那之前我們需要先將一句話分成最小單位，也就是「詞」
上一篇有提到過「寫一行就能使用模型的封裝工具包 pipeline」，至於為什麼他可以寫一行就解決呢？真的有那麼神嗎？
雖然上一篇還在吐槽，這個時代學習新知識會跑去找 ChatGPT，但不得不說生成式 AI 是真香，或者更精確地說「大型語言模型（LLM, Large Language Model）」（以下簡稱LLM），有用過的朋友應該都知道他的優點，這篇就先講講 AI 界的 Github：Hugging Face 吧
