1. 找到matplotlib 配置文件:
import matplotlib
print(matplotlib.matplotlib_fname())
# 我自己的输出结果如下:
# D:\Program Files\Python36\Lib\site-packages\matplotlib\mpl-data
  1. 编辑器打开此文件 matplotlibrc

删除font.family和font.sans-serif两行前的#,并在font.sans-serif后添加微软雅黑字体Microsoft YaHei

下载字体:SimHei.ttf(黑体) 或者 msyh.ttf (微软雅黑)
放在matplotlib 字体目录中添加SimHei.ttf的字体文件
C:\Users\Thinkpad\anaconda3\envs\python3.7\Lib\site-packages\matplotlib\mpl-data\fonts\ttf
(import matplotlib之后才会出现这个目录)

P.S. SimHei.ttf 可以在C:/Windows/fonts中找到。

  1. 删除.matplotlib/cache里面的两个缓存字体文件
    C:\Users\你的用户名.matplotlib

  2. 添加代码(缺什么补什么)

from matplotlib import font_manager as fm, rcParams
import matplotlib as pltplt.rcParams['font.sans-serif']=['SimHei'] #选择黑体的中文标签
plt.rcParams['axes.unicode_minus']=False   #让坐标中显示负号
  1. 重启Python
  2. 在输出位置多增加3行输出
for i in range(len(words)):plt.text(U[i, 0], U[i, 1], words[i])print(words[i])print(U[i,0]) # 横坐标值print(U[i,1]) # 纵坐标值

观察输出的值落在什么范围,修改后面的范围代码。

plt.xlim(-0.5, -0.1)
plt.ylim(-0.5, 0.4)

【chp2】车万翔-自然语言处理:基于预训练模型的方法相关推荐

  1. 自然语言处理:基于预训练模型的方法(一)

    自然语言处理:基于预训练模型的方法 1.2 自然语言处理的难点 1.3 自然语言处理任务体系 1.2 自然语言处理的难点 1.2.1 抽象性 语言是由抽象符号构成的,每个符号背后都对应着现实世界或人们 ...

  2. 《自然语言处理:基于预训练模型的方法》读书笔记:第2章 自然语言处理基础

    目录 第2章 自然语言处理基础 2.1 文本的表示 2.1.1 词的独热表示 2.1.2 词的分布式表示 2.1.3 词嵌入表示 2.1.4 文本的词袋表示 2.2 自然语言处理任务 2.2.1 语言 ...

  3. 《自然语言处理:基于预训练模型的方法》第七章 预训练语言模型

    预训练模型并不是自然语言处理领域的"首创"技术. 在计算机视觉领域,通常会使用ImageNet进行一次预训练,让模型从海量图像中充分学习如何从图像中提取特征.然后,会根据具体的任务 ...

  4. 【自然语言处理(NLP)】基于预训练模型的机器阅读理解

    [自然语言处理(NLP)]基于预训练模型的机器阅读理解 作者简介:在校大学生一枚,华为云享专家,阿里云专家博主,腾云先锋(TDP)成员,云曦智划项目总负责人,全国高等学校计算机教学与产业实践资源建设专 ...

  5. 基于预训练模型 ERNIE 实现语义匹配

    基于预训练模型 ERNIE 实现语义匹配 本案例介绍 NLP 最基本的任务类型之一 -- 文本语义匹配,并且基于 PaddleNLP 使用百度开源的预训练模型 ERNIE1.0 为基础训练效果优异的语 ...

  6. 论文阅读:Pre-trained Models for Natural Language Processing: A Survey 综述:自然语言处理的预训练模型

    Pre-trained Models for Natural Language Processing: A Survey 综述:自然语言处理的预训练模型 目录 Pre-trained Models f ...

  7. CV之NS之VGG16:基于预训练模型VGG16训练COCO的train2014数据集实现训练《神奈川冲浪里》风格配置yml文件

    CV之NS之VGG16:基于预训练模型VGG16训练COCO的train2014数据集实现训练<神奈川冲浪里>风格配置yml文件 目录 一.训练 1.<神奈川冲浪里>风格 2. ...

  8. 基于预训练模型的军事领域命名实体识别研究

    摘要 [目的]为了解决开源非结构化军事领域数据的命名实体识别问题.[方法]本文提出基于预训练模型(Bidirectional Encoder Representations from Transfor ...

  9. NeurIPS 2020 | MiniLM:通用预训练模型压缩方法

    基本信息 机构: 微软研究院 作者: Wenhui Wang, Furu Wei, Li Dong, Hangbo Bao, Nan Yang, Ming Zhou 论文地址: https://arx ...

  10. Perturbed Masking:和参数无关的预训练模型分析方法

    ©PaperWeekly 原创 · 作者|蔡杰 学校|北京大学硕士生 研究方向|问答系统 论文标题: Perturbed Masking: Parameter-free Probing for Ana ...

最新文章

  1. BUUCTF(pwn)jarvisoj_fm --格式化字符串漏洞
  2. Profile文件管理
  3. .NET项目版本号的小随笔
  4. React路由配置:React Router
  5. 如何扒取整站网页----扒站神器(Mac版跟window版)
  6. 【JAVA】利用MOM消息队列技术实现分布式随机信号分析系统
  7. MATLAB数值计算——矩阵运算乘法、除法、乘方
  8. 基于VUMAT复合材料夹层结构冲击仿真
  9. 曝猛! 许多行情软件自带的SAR指标是错的
  10. 20155310《网络对抗》免杀原理与实践
  11. linux swap
  12. 图解LeetCode——592. 分数加减运算(难度:中等)
  13. 【ArcGIS教程02】HTML弹窗挂接显示调研照片
  14. VisualVM 启动报错Error Starting VisualVM:You are running VisualVM using Java Runtime Environment(JRE)
  15. 在解决prob中遇到的prob...
  16. 解决安装rpm包依赖关系的烦恼 - yum工具介绍及本地源配置方法
  17. Activiti7 工作流引擎入门
  18. 第2章 中小型网络系统总体规划与设计
  19. 【项目实战】java实现向日葵远程控制功能
  20. python 趋势线计算式_LLT指标-低延迟趋势线对中证500的python复现过程

热门文章

  1. 计算机视觉教程6-1:图解双目视觉系统与立体校正原理
  2. biopython教程与手册_使用biopython处理序列数据
  3. 猿创征文|【FreeSwitch开发实践】使用sipp对FreeSwitch进行压力测试
  4. python爬取公众号历史文章_微信公众号爬虫--历史文章
  5. 十大排序算法(附动态图解)- Java版
  6. Leetcode 75. 颜色分类
  7. delphi自定义类大体描述
  8. 【CV-Learning】线性分类器(SVM基础)
  9. tcp粘包 java_详说tcp粘包和半包
  10. 20171205_Matlab求方差,均值,均方差,协方差的函数