區(qū)塊鏈（Blockchain）是指通過去中心化和去信任的方式集體維護(hù)一個可靠數(shù)據(jù)庫的技術(shù)方案。該技術(shù)方案主要讓參與系統(tǒng)中的任意多個節(jié)點，通過一串使用密碼學(xué)方法相關(guān)聯(lián)產(chǎn)生的數(shù)據(jù)塊（block），每個數(shù)據(jù)塊中包含了一定時間內(nèi)的系統(tǒng)全部信息交流數(shù)據(jù)，并且生成數(shù)據(jù)指紋用于驗證其信息的有效性和鏈接（chain）下一個數(shù)據(jù)庫塊。

　　The blockchain+model is a subversion of the Internet plus model.Blockchain will greatly improve the quality,speed,and scale of human socio-economic activities,accelerating the evolution of civilization.If the result of the"Internet plus+traditional industry"model is a monopoly and centralized management industry giant,then the"blockchain+traditional industry"model is to build a new industry ecosystem.Compared with the Internet plus model,the decentralized blockchain+model will greatly improve the quality,speed and scale of human social life and accelerate the evolution of civilization.

　　從技術(shù)角度分析，開發(fā)技術(shù)詳細(xì)威：yy625019,區(qū)塊鏈讓數(shù)字資產(chǎn)價值流轉(zhuǎn)的每一個節(jié)點都公開透明、有跡可循且不可篡改，這將會讓W(xué)eb3.0時代的一切交易變得更加真實可信。

　　同時，數(shù)據(jù)通過區(qū)塊鏈技術(shù)可以確定權(quán)屬，實現(xiàn)數(shù)據(jù)的資產(chǎn)化，這也將使得區(qū)塊鏈成為Web3.0時代的基礎(chǔ)設(shè)施。

　　python wandb_eval.py--use_wandb=0--train_ratio=0.5--test_filename=pykt_test.csv--save_dir="{save_dir}"

　　def load_model(model_name,model_config,data_config,emb_type,ckpt_path):

　　model=init_model(model_name,model_config,data_config,emb_type)

　　net=torch.load(os.path.join(ckpt_path,emb_type+"_model.ckpt"))

　　model.load_state_dict(net)

　　return model

　　testf=os.path.join(data_config["dpath"],params["test_filename"])

　　其中的get_cur_teststart

　　大致是從測試集中找到其中的訓(xùn)練部分和預(yù)測部分，repeat部分也都去掉了

　　然后

　　dtotal={“cq”:cq,“cc”:cc,“cr”:cr,“ct”:ct}是全部長度

　　cur前綴的則只包括已知的部分:curcin,currin,curqin

　　先來看累計預(yù)測的predict_each_group

　　從預(yù)測部分的index開始循環(huán).

　　如果前綴部分超過Max_len，則都取后半部分

　　dkt:

　　y=model(cin.long(),rin.long())

　　#print(y)

　　pred=y[0][-1][cout.item()]

　　同時，通過t進(jìn)行迭代。為啥有兩層循環(huán)呢？原文這里寫的有點晦澀難懂了。

　　第二層循環(huán)很短，t~end

　　循環(huán)主要是預(yù)測的response會作為下一個的輸入

　　def get_cur_teststart(is_repeat,train_ratio):

　　curl=len(is_repeat)

　　#print(is_repeat)

　　qlen=is_repeat.count(0)#其中不重復(fù)的長度

　　qtrainlen=int(qlen*train_ratio)#已知的長度

　　qtrainlen=1 if qtrainlen==0 else qtrainlen#保證已知長度至少大于0，否則輸入為空

　　qtrainlen=qtrainlen-1 if qtrainlen==qlen else qtrainlen#保證測試長度大于0，否則測試輸入為空

　　#get real concept len

　　ctrainlen,qidx=0,0

　　i=0

　　while i<curl:

　　if is_repeat<i>==0:

　　qidx+=1#qidx是不重復(fù)的長度

　　#print(f"i:{i},curl:{curl},qidx:{qidx},qtrainlen:{qtrainlen}")

　　#qtrainlen=7 if qlen>7 else qtrainlen

　　if qidx==qtrainlen:#如果已經(jīng)到了設(shè)定的已知，那么退出

　　break

　　i+=1

　　for j in range(i+1,curl):

　　if is_repeat[j]==0:

　　ctrainlen=j#找到response未知的部分，第一個不重復(fù)的作為預(yù)測起點？

　　break

　　return qlen,qtrainlen,ctrainlen