GPT

摘要： 笔者在Linux 6.9上通过iSCSI挂载了1个6 TB的LUN,通过Isblk正常发现设备,然后通过fdisk准备格式化,发现如图1所示的提示。当时没有在意,结果格式化完成发现,大小容量只有2 TBo结合fdisk的提示发现和GPT的分区方式有关,需要支持GPT分区的软件来进行格式化,最后通过parted工具分区格式化成功,具体格式的方法和步骤如下.

摘要： 对流层延迟是GNSS导航定位的重要误差源,目前有多种方法可实现天顶对流层延迟(ZTD)的估算。ERA5作为ECMWF发布的最新一代再分析产品,能够提供覆盖全球的高时空分辨率气象资料,据此可估算出高精度的ZTD。然而,当前对ERA5对流层延迟产品精度评价的相关研究仍甚少。本文以高精度的IGS对流层延迟产品为参考,在编程实现ERA5对流层延迟估算的基础上,对其精度进行了评价。试验结果表明:相较于GPT2w-1S模型和GPT3-1S模型,由ERA5气象资料估算的ZTD产品具有更高的精度,均方根误差分别提高了27.53 mm和27.50 mm。

摘要： 气象参数作为GNSS反演大气水汽的重要误差源,直接影响GNSS大气遥感中PWV和ZWD的精度。为研究气象参数对GNSS探测大气水汽含量的影响,梳理GNSS探测水汽原理,针对影响PWV精度的GPT、地面观测数据RNX和ECMWF进行PWV计算;采用高精度GPS数据处理软件(GAMIT)进行数据处理,并用水汽辐射计观测的数据对GAMIT反演得到的PWV结果进行对比分析。研究发现,地面气象观测数据与高精度的水汽辐射计观测的数据拟合效果一致,ECMWF资料次之;利用地面气象观测数据可以有效保证GNSS遥感PWV的可靠性。结果表明,不同气象参数的输入带来GNSS遥感大气水汽PWV精度为1.38~1.84 mm,可满足GNSS遥感大气水汽含量的要求。

摘要： 基于神经网络和深度学习的预训练语言模型为自然语言处理技术带来了突破性发展。基于自注意力机制的Transformer模型是预训练语言模型的基础。GPT、BERT、XLNet等大规模预训练语言模型均基于Transformer模型进行堆叠和优化。认为目前依赖强大算力和海量数据的大规模预训练语言模型存在实用问题,指出轻量预训练语言模型是未来重要的发展方向。

摘要： 随着人工智能应用的普及,自然语言处理作为认知智能的核心已经成为人工智能极大的挑战。以GPT、BERT为代表的预训练语言模型的兴起,使问答、摘要、阅读理解等多项自然语言处理任务取得一系列突破,效果显著提升。该文从预训练语言模型的概念、主流技术方法以及应用这3个方面,介绍主流预训练语言模型,以及在自然语言处理领域的影响。

摘要： 2020年9月,位名叫维奈•普拉布(Vinay Prabhu)的数据科学家正在使用一款名叫Philosopher AI的应用程序。借助这款应用程序,人们可以访问一个被称为GPT-3的人工智能(AI)系统,该系统会生成看似自然的流畅文本。相关技术的开发者是旧金山的OpenAI公司,该公司允许数百个开发者和公司通过广泛的应用对GPT-3进行试验,包括客服聊天机器人、电子游戏、家教服务和心理健康应用程序。该公司表示,还有数万人在等待试用GPT-3。

摘要： 讨论了基础设施建设的理论渊源和其在经济社会中的作用,梳理了我国和欧盟、美国、日本、韩国在"新基建"方面的政策布局,从"通用技术"(General Purpose Technologies,GPT)角度探讨了新型基础设施建设的理论基础,并给出了相关政策建议.

摘要： 讨论了基础设施建设的理论渊源和其在经济社会中的作用,梳理了我国和欧盟、美国、日本、韩国在"新基建"方面的政策布局,从"通用技术"(General Purpose Technologies,GPT)角度探讨了新型基础设施建设的理论基础,并给出了相关政策建议。

摘要： 目的 探讨中药护肝汤对小鼠肝部分切除术肝再生的影响.方法 36只8周雄性C57/BL6小鼠按Higgins方法行70％肝切除术,术前7天通过灌胃进行给药;实验动物分为6、48与72小时三大组,每大组再分肝部分切除对照组(a)、中药护肝汤组(b),每组6只.作如下比较:1肝重/体重比;2增殖细胞核抗原(PCNA)标记指数;3丙氨酸氨基转移酶(ALT,GPT).结果 部分肝切除6小时后,对照组与护肝汤组的肝重/体重比基本相同、护肝汤组的PCNA GF较对照组低;48小时与72小时后,护肝汤组的肝重/体重比明显较对照组高(48h,P<0.05)、护肝汤组的PCNA GF较对照组高(48h,P<0.05).护肝汤实验组在每个时间点的ALT值均比对照组低(72h,P<0.05).结论 护肝汤剂具有促进肝切除部分肝再生的倾向,并且此作用会在肝脏逐渐恢复后减缓.

摘要： 随着计算机软硬件技术的发展,UEFI主板、固态GPT硬盘已经成为当下计算机主流配置.操作系统方面随着Windows10的日渐成熟,也已经进入比较广泛的使用.当下很多计算机都是UEFI主板配一块GPT固态硬盘和一块大容量机械硬盘,预装Win10系统到固态硬盘,实现计算机更快速、更高效的工作.但是,如果用户想要换到Win7系统,计算机该如何设置呢?本文主要介绍UEFI启动模式和GPT磁盘格式以及在UEFI+GPT下如何设置实现64位Win7系统安装.

摘要： 本实验对绵羊腹腔注射新洁尔灭溶液以研究不同浓度新洁尔灭溶液对绵羊常见血清酶活性的影响.结果显示:腹腔注射0.1﹪新洁尔灭溶液对绵羊的常见血清酶活性没有不良影响,而0.3﹪和0.5﹪新洁尔灭溶液使绵羊血清中白蛋白(ALB)出现了一过性降低现象,总白蛋白(TP)变化不明显,而谷丙转氨酶(GPT)、谷草转氨酶(GOT)和尿素氮(BUN)却呈现增加趋势.可见,在兽医临床应用中,新洁尔灭溶液的浓度应控制在0.1﹪以内,对家畜才无明显毒副作用.

摘要： 本实验对绵羊腹腔注射新洁尔灭溶液以研究不同浓度新洁尔灭溶液对绵羊常见血清酶活性的影响.结果显示:腹腔注射0.1﹪新洁尔灭溶液对绵羊的常见血清酶活性没有不良影响,而0.3﹪和0.5﹪新洁尔灭溶液使绵羊血清中白蛋白(ALB)出现了一过性降低现象,总白蛋白(TP)变化不明显,而谷丙转氨酶(GPT)、谷草转氨酶(GOT)和尿素氮(BUN)却呈现增加趋势.可见,在兽医临床应用中,新洁尔灭溶液的浓度应控制在0.1﹪以内,对家畜才无明显毒副作用.

摘要： 本实验对绵羊腹腔注射新洁尔灭溶液以研究不同浓度新洁尔灭溶液对绵羊常见血清酶活性的影响.结果显示:腹腔注射0.1﹪新洁尔灭溶液对绵羊的常见血清酶活性没有不良影响,而0.3﹪和0.5﹪新洁尔灭溶液使绵羊血清中白蛋白(ALB)出现了一过性降低现象,总白蛋白(TP)变化不明显,而谷丙转氨酶(GPT)、谷草转氨酶(GOT)和尿素氮(BUN)却呈现增加趋势.可见,在兽医临床应用中,新洁尔灭溶液的浓度应控制在0.1﹪以内,对家畜才无明显毒副作用.

摘要： 本实验对绵羊腹腔注射新洁尔灭溶液以研究不同浓度新洁尔灭溶液对绵羊常见血清酶活性的影响.结果显示:腹腔注射0.1﹪新洁尔灭溶液对绵羊的常见血清酶活性没有不良影响,而0.3﹪和0.5﹪新洁尔灭溶液使绵羊血清中白蛋白(ALB)出现了一过性降低现象,总白蛋白(TP)变化不明显,而谷丙转氨酶(GPT)、谷草转氨酶(GOT)和尿素氮(BUN)却呈现增加趋势.可见,在兽医临床应用中,新洁尔灭溶液的浓度应控制在0.1﹪以内,对家畜才无明显毒副作用.

摘要： 本实验对绵羊腹腔注射新洁尔灭溶液以研究不同浓度新洁尔灭溶液对绵羊常见血清酶活性的影响.结果显示:腹腔注射0.1﹪新洁尔灭溶液对绵羊的常见血清酶活性没有不良影响,而0.3﹪和0.5﹪新洁尔灭溶液使绵羊血清中白蛋白(ALB)出现了一过性降低现象,总白蛋白(TP)变化不明显,而谷丙转氨酶(GPT)、谷草转氨酶(GOT)和尿素氮(BUN)却呈现增加趋势.可见,在兽医临床应用中,新洁尔灭溶液的浓度应控制在0.1﹪以内,对家畜才无明显毒副作用.

摘要： 本实验对绵羊腹腔注射新洁尔灭溶液以研究不同浓度新洁尔灭溶液对绵羊常见血清酶活性的影响.结果显示:腹腔注射0.1﹪新洁尔灭溶液对绵羊的常见血清酶活性没有不良影响,而0.3﹪和0.5﹪新洁尔灭溶液使绵羊血清中白蛋白(ALB)出现了一过性降低现象,总白蛋白(TP)变化不明显,而谷丙转氨酶(GPT)、谷草转氨酶(GOT)和尿素氮(BUN)却呈现增加趋势.可见,在兽医临床应用中,新洁尔灭溶液的浓度应控制在0.1﹪以内,对家畜才无明显毒副作用.

摘要： 本实验对绵羊腹腔注射新洁尔灭溶液以研究不同浓度新洁尔灭溶液对绵羊常见血清酶活性的影响.结果显示:腹腔注射0.1﹪新洁尔灭溶液对绵羊的常见血清酶活性没有不良影响,而0.3﹪和0.5﹪新洁尔灭溶液使绵羊血清中白蛋白(ALB)出现了一过性降低现象,总白蛋白(TP)变化不明显,而谷丙转氨酶(GPT)、谷草转氨酶(GOT)和尿素氮(BUN)却呈现增加趋势.可见,在兽医临床应用中,新洁尔灭溶液的浓度应控制在0.1﹪以内,对家畜才无明显毒副作用.

摘要： 本发明公开了一种基于深度学习模型GPT‑2的脓毒症早期预警方法，在选定的时间跨度内提取ICU内病患的特征变量，组成一个高维度、随时间变化的序列，并将该序列经过数据预处理后输入到基于改进的GPT‑2模型中以结合病患的近期临床表现提取到与ICU病患目前病情最接近的一种有效表示，将得到的该表示输入到一个全连接前馈网络层预测患者在接下来的时间内患有脓毒症的概率。本发明可以最大程度利用ICU内的病患常规指标，并可以根据时间的变化来预测病患面临的风险，类似于重症监护医生每日查房期间反复分析和更新重症监护病房的患者管理，该方法结合病患前几天的临床表现，根据大量可用数据做出预测结果，具有时效性，准确度更高。

摘要： 本发明公开了一种GPT磁盘转MBR磁盘的方法，其特征在于：所述方法为：步骤1、判断当前计算机的系统是否支持GPT磁盘转MBR磁盘；步骤2、判断当前GPT磁盘的分区位置是否支持GPT磁盘转MBR磁盘；步骤3、读取并保存当前GPT磁盘的分区信息；步骤4、清除当前GPT磁盘的分区表信息；步骤5、为当前磁盘生成磁盘签名；步骤6、根据步骤3保存的GPT的分区信息，重新构建MBR分区表；步骤7，如果需要转换的GPT磁盘为当前系统所在的磁盘则需要分配盘符和引导修复，如果需要转换的GPT磁盘为非当前系统所在的磁盘，则不执行这一步骤。本发明可直接在计算机上操作，以实现GPT将磁盘转MBR磁盘的目的，操作简单方便，使用成本较低。

摘要： 本发明一种MBR磁盘转GPT磁盘的方法及其系统，方法包括如下步骤：步骤1，判断当前计算机的系统是否支持MBR磁盘转GPT磁盘；步骤2，判断当前MBR磁盘上的分区位置是否支持MBR磁盘转GPT磁盘；步骤3，读取并保存MBR磁盘的分区信息；步骤4，清除MBR磁盘的分区表信息；步骤5，将MBR磁盘初始化为GPT磁盘；步骤6，根据步骤3保存的MBR磁盘的分区信息重新构建GPT分区表；步骤7，如果需要转换的MBR磁盘为当前系统所在的磁盘则需要分配盘符和引导修复。本发明可直接在计算机上操作，以实现将MBR磁盘转GPT磁盘的目的，操作简单方便，使用成本较低。

摘要： 本发明提供一种基于Performer结构的GPT2文本自动生成方法，包括如下步骤：步骤一，读取语料集合中的样本文本S并转化为向量IDS；步骤二，对于输入的语料集合基于步骤一的方法生成字向量矩阵V；步骤三，构建注意力矩阵A；步骤四，根据所述字向量矩阵V和注意力矩阵A计算样本矩阵P；步骤五，将所述样本矩阵P作为输入，进行多层Performer编码计算后得到矩阵PX；步骤六，基于步骤五的方法构建文本生成模型M；步骤七，利用所述文本生成模型M自动生成文本。本发明能够以更低的硬件成本，生成比GPT2和GPT3模型更优质的长文本信息，且文本生成的效率、准确性、逼真度都较高。

摘要： 本发明属于计算机技术领域，尤其涉及基于GPT‑2模型的智能分诊与医疗问答方法及其装置，该方法包括：GPT‑2分诊网络模型训练、GPT‑2医疗问答网络模型训练、患者分诊分类、患者疑问解答、智能分诊与医疗回答、分诊与回答效果统计。该方法能够快速对患者进行分诊，使患者迅速得知应该前往的科室；对于患者挂号时所提及的信息，快速生成患者想要获取初步的疑惑解答，提升后续医疗服务的效率，节省患者与医生大量的时间；并且可以有效地获取患者对于系统结果有效性的反馈，从而在后续继续对智能分诊与医疗问答系统进行改进；通过该方法所获得的装置能够快速自动化对患者进行分诊并回答患者疑惑。

摘要： 本发明涉及一种基于GPT分区表的多文件多级启动加载方法及装置，该方法包括如下步骤：步骤S1：在每个分区入口中存放一个文件的名称、占用空间大小和补齐大小；步骤S2：在每个分区中存放文件数据；步骤S3：生成存储镜像。本发明对存储介质采用GPT格式分区，将每个启动文件的数据直接存放于各个分区，并且，将文件名作为分区名用于检索。依靠分区提高了灵活性和空间利用率，同时，未引入文件系统，因此降低了复杂度和计算量。

摘要： 本发明公开了基于GPT2的云ERP社区生成式问答方法，通过对云ERP社区人工客服数据脱敏与清洗去噪；建立云ERP社区客服数据驱动服务；构建基于Transformer的无监督训练；构建基于Transformer解码器的GPT2模型；构建基于GPT2的生成式问答模型。最后通过实验验证证明模型的性能和有效性。针对现有社区问答方式检索效率低，不能及时、方便、灵活、有效的为各类客户提供问答服务等问题，以及社区交互数据中的海量人工客服会话数据未得到有效利用的问题，提出一种基于GPT2的云ERP社区生成式问答方法，该方法能够克服检索式方法的局限性，回答用户无法在数据库中检索到答案的问题，提升云ERP社区问答的灵活性，最后通过实验验证证明了模型的性能和有效性。

摘要： 本发明公开了一种提高GPT2w模型计算气象参数精度的方法，将原格网参数文件按月份进行距离加权改正以获取12个对应月份的格网参数文件，并将经过加权改正的格网参数文件在GPT2w模型调用前进行分类初始化存储，使GPT2w模型对不同月份的数据进行处理时能够获取相应的格网参数。省去了在计算所需站点的气象参数时对格网参数文件进行分类初始化存储的时间，大大提升了模型的计算效率，并且利用改正后模型计算出的气象参数精度和稳定性有显著的提高，误差值明显减小。该方法使得计算气象参数的过程更加方便、快捷，计算结果精确，具有较高的科研和应用价值。

摘要： 基于多模态GPT2模型的商品标题生成方法，将不同模态的商品信息融入GPT2的上下文状态中，在理解商品内容的基础上生成商品标题：1)商品语音资料做预处理，2)采用商品信息编码模块，分别使用ResNet和Embedding对商品图片和属性做编码，用GPT2对商品品类名称编码，得到GPT2网络与ResNet图像编码器、Embedding属性编码器三种不同模态信息的编码表示；3)采用标题生成模块；4)对生成的商品标题进行后处理，识别出商品标题中的特殊标记符并替换为对应的商品属性；完善生成后的标题文本的规格、参数信息。

摘要： 本发明提供一种基于Performer结构的GPT2文本自动生成方法，包括如下步骤：步骤一，读取语料集合中的样本文本S并转化为向量IDS；步骤二，对于输入的语料集合基于步骤一的方法生成字向量矩阵V；步骤三，构建注意力矩阵A；步骤四，根据所述字向量矩阵V和注意力矩阵A计算样本矩阵P；步骤五，将所述样本矩阵P作为输入，进行多层Performer编码计算后得到矩阵PX；步骤六，基于步骤五的方法构建文本生成模型M；步骤七，利用所述文本生成模型M自动生成文本。本发明能够以更低的硬件成本，生成比GPT2和GPT3模型更优质的长文本信息，且文本生成的效率、准确性、逼真度都较高。