PM專欄 1: 軟體週期與系統週期 ?!

System Development Life Cycle (SDLC) vs Software Development Life Cycle

SDLC vs SDLC?!

這是甚麼東西? 軟體開發生命週期(Software Development Life Cycle) 跟系統開發生命週期(System Development Life Cycle) 是不同的涵蓋面。

軟體開發流程包含了軟體工程所熟悉的: 需求分析、軟體設計、軟體實作、測試、部署、後續維護等等。但是系統開發生命週期就包含更多應該考量的因素，例如: 人的管理、流程管理、硬體相關設施與架構、人員訓練、組織佈達等等層面。

有此一說，當然也有人混用這些定義，不過這個也給我們比較宏觀另一面向的思考。

Pytorch 實作 word embedding : 運用 nn.Embedding()

Pytorch 產生 word embedding : 運用 nn.Embedding()

用法

torch.nn.Embedding(num_embeddings, embedding_dim, padding_idx=None, max_norm=None, norm_type=2, scale_grad_by_freq=False, sparse=False, _weight=None)

num_embeddings (int) : embeddings 字典裡面有多少個詞

embedding_dim (int) : 產生的 embedding vector 要有多少維度?  --> 這個要自己決定

其他細節參數看這裡

範例

import torch
import torch.nn as nn 
from torch.autograd import Variable 

# embedding 字典
word_dict = {'hello': 0, 'paul': 1, 'chao': 2} #三個詞，三個相對 tensors 數值

embeds = nn.Embedding(3, 10) #三個詞(tensors數值)，設十維

#從 dictionary 產生 tensor 數值
paul_idx = torch.LongTensor([word_dict['paul']]) 
print(paul_idx) 

#產生變數
paul_idx = Variable(paul_idx) 
print(paul_idx) 

#進行 embedding
paul_embed = embeds(paul_idx) 
print(paul_embed)




結果

tensor([2])

tensor([2])

tensor([[ 1.3302,  0.4645,  0.5615, -0.0327,  1.5131, -1.9684, -0.8720, -0.5227, 1.2371,  0.6098]], grad_fn=)

最後便產生了一個十維的 word embedding 可供運用