@khanh1234 việc sử dụng ajax cho update thì cũng không khác gì cả, nếu đang làm như này chỉ cần trên code update server check xem khi update có update ảnh ko, nếu có thì code như phần insert, còn nếu không có ảnh đc gửi lên thì update những trường khác trừ image ra.

('#form-add').submit(function(e){ e.preventDefault(); //bắt sự kiện nút submit để hoãn sự kiện var url=(this).attr('data-url'); //viết ajax $.ajax({ type: 'post', //check bằng route:list , url : url, //là data-url đặt ở mỗi nut add,edit,delete(đường dẫn) data :new FormData(this), dataType: 'json', //kiểu dữ liệu trả veef response ở controller contentType: false, cache :false, processData: false, success:function(response){ toastr.success('them thanh cong') $('#modal-add').modal('hide'); setTimeout(function(){ window.location.href="{{route('index.author')}}"; },500); } });

    });

đây là code mk isert vào ạ thì có name,images,và birthday,

ngon rồi anh =)), nhưng trước tiên (tat) comment không upvote + share này

Master món formik này chưa e )

Cảm ơn bác

Kiến thức tốt quá. Mình thì cứ biết sơ sơ là cái gì mà phải qua tầng trung gian là sẽ vừa chậm vừa tốn bộ nhớ hơn rồi. Ngay trên Windows cũng vậy, các ứng dụng Java bao giờ cũng nặng nề hơn ứng dụng Win32

nâng cao đi anh ơi

lại còn Huyền nào vào đây nữa

huyền nào a -_-

Trứng dán cần mỡ bắp cần cơ. Phú không cớ cần Huyền cơ.

1. Ở sub-layer #1 của Decoder nhận vector K và V của Encoder như 2 feature vectors cho cả câu input, còn vector Q sẽ được lấy từ output. Bạn có thể thấy điều này trong kiến trúc tổng quan Transformers (sau khi ra khỏi Encoder có 2 mũi tên nối vào Decoder là K và V). Thêm nữa, output của self-attention là vector Z là dot product của softmax và V chứ không còn là V nữa bạn nhé.
2. Input của Decoder chính là output của nó từ những time steps trước, và nó phải predict ra token tiếp theo. Bạn xem ảnh GIF Decoding ở trên sẽ thấy, để sinh ra từ "a", decoder cần input ["I", "am"], sau đó nó lại lấy ["I", "am", 'a"] để sinh ra "student".

Rất tiếc ko có 1 hardfork thứ 2 như theDAO cho vụ multisig wallet của Parity (lol)

hay quá bạn

em cũng không hiểu gì hết =(((

Bài viết của anh rất hay ạ! Nhưng sau khi đọc xong em có chút thắc mắc ở câu này "Sau khi masked input đưa qua sub-layer #1 của Decoder, nó sẽ không nhân với 3 ma trận trọng số để tạo ra Q, K, V nữa mà chỉ nhân với 1 ma trận trọng số WQ.". Theo em được tìm hiểu thì các vecto K, Q vẫn sẽ được tạo ra trong quá trình self-attention. Qua bước self-attention này họ chỉ lấy vecto V của self-attention rồi đưa vào Encode-Decode layer attention. Thêm nữa em có một câu hỏi. Trong quá trình training thì ta có biết được nhãn của output rồi nên ta có thể đưa vào input_decode của Decode layer. Nhưng trong quá trình predict thì không biết nhãn trước của câu thì Decode nó sẽ hoạt động như thế nào. Anh có thể giải thích giúp em 2 vấn đề trên với ạ. Em xin cảm ơn.

cảm ơn add

Không có gì ạ

Cảm ơn bác. Do lỗi phông chữ từ database trên host, nó không login được xong em return else về login đâm ra nó mới thế. cảm ơn bác nhiều.

Mình nghĩ bạn nên lấy nhiều tên làm ví dụ cho các hoạt động khác nhau, chứ cái nào cũng thấy huythanh rối quá