.phrases_cat{line-height:1.5;display:flex;flex-direction:column} .phrases_cat div span{display:block;text-align:center} .phrases_cat b{font-weight:400;text-decoration:underline} .phrases_cat div span:nth-of-type(1){color:var(--base_cat_key)} .phrases_cat div span:nth-of-type(2){color:var(--base_cat);margin-bottom:5px}怎么修改这段代码使得文字向左对齐而不是居中
时间: 2024-02-13 22:00:59 浏览: 22
要使文本向左对齐,只需将CSS样式中的`text-align: center`改为`text-align: left`即可,修改后的代码如下:
```
.phrases_cat {
line-height: 1.5;
display: flex;
flex-direction: column;
}
.phrases_cat div span {
display: block;
text-align: left;
}
.phrases_cat b {
font-weight: 400;
text-decoration: underline;
}
.phrases_cat div span:nth-of-type(1) {
color: var(--base_cat_key);
}
.phrases_cat div span:nth-of-type(2) {
color: var(--base_cat);
margin-bottom: 5px;
}
```
这样修改之后,文本就会向左对齐了。
相关问题
import random import logging logging.basicConfig(level=logging.INFO) import torch from pytorch_transformers import GPT2Tokenizer from pytorch_transformers import GPT2LMHeadModel # 选择 top-k 的函数的实现, def select_top_k(predictions, k=10): predicted_index = random.choice( predictions[0, -1, :].sort(descending=True)[1][:10]).item() return predicted_index # 载入预训练模型的分词器 tokenizer = GPT2Tokenizer.from_pretrained('gpt2') # 使用 GPT2Tokenizer 对输入进行编码 text = "Yesterday, a man named Jack said he saw an alien," indexed_tokens = tokenizer.encode(text) tokens_tensor = torch.tensor([indexed_tokens]) # 读取 GPT-2 预训练模型 model = GPT2LMHeadModel.from_pretrained("gpt2") model.eval() total_predicted_text = text n = 100 # 预测过程的循环次数 for _ in range(n): with torch.no_grad():#使用 torch.no_grad() 上下文管理器来关闭梯度计算,因为这个循环只是用于生成文本,不需要进行模型的参数更新 outputs = model(tokens_tensor)#调用 GPT-2 模型,将 tokens_tensor 输入到模型中,并获得模型的输出 outputs predictions = outputs[0] predicted_index = select_top_k(predictions, k=10)#调用函数,从预测结果中选择概率最高的前 10 个元素之一作为下一个词的索引 predicted_index predicted_text = tokenizer.decode(indexed_tokens + [predicted_index])#使用 tokenizer.decode() 将索引转换为文本,将其添加到 total_predicted_text 中 total_predicted_text += tokenizer.decode(predicted_index) if '<|endoftext|>' in total_predicted_text: # 如果出现文本结束标志,就结束文本生成 break indexed_tokens += [predicted_index] tokens_tensor = torch.tensor([indexed_tokens]) print(total_predicted_text)优化这段代码,使输出文本为新闻
要使输出文本为新闻,我们需要对原始文本进行一些调整,例如添加一些新闻相关的关键词和短语。以下是一种可能的优化方案:
```
import random
import logging
import torch
from pytorch_transformers import GPT2Tokenizer
from pytorch_transformers import GPT2LMHeadModel
logging.basicConfig(level=logging.INFO)
# 选择 top-k 的函数的实现,
def select_top_k(predictions, k=10):
predicted_index = random.choice(predictions[0, -1, :].sort(descending=True)[1][:k]).item()
return predicted_index
# 载入预训练模型的分词器
tokenizer = GPT2Tokenizer.from_pretrained('gpt2')
# 新闻相关的关键词和短语
news_keywords = ['Breaking news', 'Exclusive', 'Update', 'Report', 'Developing story']
news_phrases = ['according to sources', 'in a press conference', 'confirmed by officials', 'as per the latest reports']
# 初始文本
text = random.choice(news_keywords) + ': ' + ' '.join(random.sample(news_phrases, 2)) + '. '
# 使用 GPT2Tokenizer 对输入进行编码
indexed_tokens = tokenizer.encode(text)
tokens_tensor = torch.tensor([indexed_tokens])
# 读取 GPT-2 预训练模型
model = GPT2LMHeadModel.from_pretrained("gpt2")
model.eval()
total_predicted_text = text
n = 100
# 预测过程的循环次数
for _ in range(n):
with torch.no_grad():
outputs = model(tokens_tensor)
predictions = outputs[0]
predicted_index = select_top_k(predictions, k=10)
predicted_text = tokenizer.decode(indexed_tokens + [predicted_index])
total_predicted_text += tokenizer.decode(predicted_index)
# 如果出现文本结束标志,就结束文本生成
if '
去重关键字数字.后面6单词: 7. the War of Independence, the United States was an English colony
如果您想要去重一个字符串中以数字开头,后面跟着一个句点和6个单词的短语,可以使用正则表达式来匹配这些短语,并使用集合(set)数据结构去重。以下是一个简单的Python代码示例:
```python
import re
text = "7. the War of Independence, the United States was an English colony, 7. the War of Independence, the United States was an English colony, 8. This is another phrase, 8. This is another phrase"
pattern = r"\d+\.\s\w+\s\w+\s\w+\s\w+\s\w+\s\w+"
phrases = re.findall(pattern, text)
unique_phrases = set(phrases)
print(unique_phrases)
```
输出:
```
{'7. the War of Independence, the United States was an English colony,', '8. This is another phrase,'}
```
在这个例子中,我们使用正则表达式 `r"\d+\.\s\w+\s\w+\s\w+\s\w+\s\w+\s\w+"` 匹配字符串中所有以数字开头,后面跟着一个句点和6个单词的短语。我们使用 `findall()` 方法查找所有匹配的短语,并将它们添加到一个列表中。然后,我们将这个列表转换为集合,以去除其中的重复短语。最后,我们打印出集合中的元素,即去重后的短语。
相关推荐
修改这段代码 首页 上一页 下一页 最后一页
跳转到: <input id="pageNo" type="text" class="form-control form1" name="pageNo" value="${list.pageNo}" /> 每页记录数: <input class="form-control form1" type="text" name="pageCount" value="${list.pageCount}" /> <input class="btn btn-primary" type="submit" value="跳转" /> 共有 ${list.totalPage} 页
跳转到: <input id="pageNo" type="text" class="form-control form1" name="pageNo" value="${list.pageNo}" /> 每页记录数: <input class="form-control form1" type="text" name="pageCount" value="${list.pageCount}" /> <input class="btn btn-primary" type="submit" value="跳转" /> 共有 ${list.totalPage} 页