đợt trc mình có làm cái form, và thấy google thay đổi cấu trúc rồi
Thực tế thì phía trên có đoạn name bằng mấy số này đó, sau đó dùng js fill cái này vào mấy input đấy thôi, nên nếu muốn chắc chắn thì cứ mở source lên ctrl F tìm cái các name=" hoặc tìm các input có dãy dài dài tương tự là được nhé
Mình ko tìm được name của cái input khi inspect nhưng lại thấy có thẻ parent DIV có chứa đoạn này:
data-params = "%.@.[1624817223,"Trạng thái",null,0,[[1024738372,[],false,[],[],null,null,null,null,null,[null,[]]]],null,null,null,[]],"i13","i14","i15",false]"
Mình đoán chắc là 2 dãy số 1624817223 hoặc 1024738372 nên đã thử để name thành "entry.1024738372" và chính xác luôn. Vậy bạn nào không thấy chỗ entry thì cứ tìm đoạn data-params như trên và thay biến thành entry.DAY_SO_THU_HAI (dãy số thứ hai trong đoạn trên) là được.
@maitrungduc1410
Dạ đúng là e đang mount từ bên ngoài vào ạ.
E bỏ mount đi, exec bình thường thì thấy nó phản ánh đúng permission.
Vậy giờ có cách nào mount mà vẫn giữ đúng đc permission ko ạ
Vậy khi đó nếu mã secret của mình bị encode dưới dạng base64 thì khi check trên trang jwt.io mình phải paste mã secret bị encode sau đó check vào ô checkbox thì nó mới cho ra kq hợp lệ đúng không bạn
Chào bạn @tuananhbfs
Cảm ơn bạn đã phản hồi về UI/UX cũng như các trải nghiệm trên Viblo. Bên mình đã ghi nhận những góp ý của bạn, trong thời gian tới sau khi thu thập thêm nhiều ý kiến đóng góp từ các người dùng trên hệ thống, Viblo sẽ có những thay đổi để thân thiện hơn với tất cả mọi người
có nhiều cách để tăng độ chính xác của mô hình, đầu tiên bạn phải kiểm tra những sample mà model đã dự đoán sai trên tập val , nếu label của sample đó đúng thì bạn tiến hành kiểm tra xem câu đó có phải là trường hợp khó và dễ nhập nhằng giữa 2 class không , nếu nó là trường hợp khó và dễ nhập nhằng thì bạn nên thiết kế lại model cho phù hợp với những trường hợp khó đó ( có thể dùng ensemble model) . Còn nếu câu đó dễ dàng có thể phân chia 2 class thì lúc này model của bạn đang bị tối ưu theo nhầm hướng , nguyên nhân có thể là do dữ liệu trainning có vấn đề hoặc overfitting hoặc model vẫn chưa hội tụ đủ tốt. Việc phải làm là kiểm tra xem output của model (output của lớp softmax của class nó dự đoán sai) là bao nhiêu , nếu giá trị này quá lớn (thường > 0.8) thì vấn đề là do model của bạn đang hiểu nhầm mục tiêu của bài toán do dữ liệu training có vấn đề (có thể do dữ liệu sai hoặc do unbalance dữ liệu , có thể xem xét dùng những loss cho unbalance data) còn nếu nó ở mức giữa 0.4-0.6 thì là model của bạn đang phân vân về kết quả , nguyên nhân là do model chưa hội tụ đủ tốt hoặc nó đã overfitting , lúc này thì phải sử dụng những phương pháp chống overfitting hoặc underfiting. nếu bạn fine tune bert cnn thì mình nghĩ là bạn nên để 1 learning rate đủ nhỏ (hoặc frozen pre train weigth lại) cho pre train model và 1 learning rate phù hợp cho những layer cuối của bộ phân loại
THẢO LUẬN
1.Bổ sung phần "Ví dụ cách viết API document" cài gói composer require zircote/swagger-php để sử dung @OA
2.fix 419 csrf method post . File config/l5-swagger.php ----------
'middleware' => [ 'api' => ['web'], ... ],
có cách nào để không lưu vào database k ạ
bạn có thể cho mình xin link git được không ạ
quá đỉnh
đợt trc mình có làm cái form, và thấy google thay đổi cấu trúc rồi Thực tế thì phía trên có đoạn name bằng mấy số này đó, sau đó dùng js fill cái này vào mấy input đấy thôi, nên nếu muốn chắc chắn thì cứ mở source lên ctrl F tìm cái các
name="
hoặc tìm các input có dãy dài dài tương tự là được nhéUpdate 7/2021:
Mình ko tìm được name của cái input khi inspect nhưng lại thấy có thẻ parent DIV có chứa đoạn này: data-params = "%.@.[1624817223,"Trạng thái",null,0,[[1024738372,[],false,[],[],null,null,null,null,null,[null,[]]]],null,null,null,[]],"i13","i14","i15",false]" Mình đoán chắc là 2 dãy số 1624817223 hoặc 1024738372 nên đã thử để name thành "entry.1024738372" và chính xác luôn. Vậy bạn nào không thấy chỗ entry thì cứ tìm đoạn data-params như trên và thay biến thành entry.DAY_SO_THU_HAI (dãy số thứ hai trong đoạn trên) là được.
@benkyou vì file từ bên ngoài sẽ luôn luôn override bên trong khi e mount vào.
Nên a nghĩ solution là e setup file bên trong sao cho nó thuộc sở hữu của user bên ngoài, cách làm:
Nếu vẫn có thắc mắc thì xem bài chạy docker container với non root user của a nhé
@maitrungduc1410 Dạ đúng là e đang mount từ bên ngoài vào ạ.
E bỏ mount đi, exec bình thường thì thấy nó phản ánh đúng permission.
Vậy giờ có cách nào mount mà vẫn giữ đúng đc permission ko ạ
Nice article
@thanh_tuan chính xác bạn
Vấn đề trên mình đã giải quyết lâu rồi bằng useEffect rồi ạ, Cảm ơn mọi người đã hỗ trợ
Vậy khi đó nếu mã
secret
của mình bịencode
dưới dạngbase64
thì khi check trên trangjwt.io
mình phải paste mãsecret
bị encode sau đó check vào ô checkbox thì nó mới cho ra kq hợp lệ đúng không bạncss chưa bao giờ là dễ dàng
API này http://provinces.open-api.vn/ có Tp Thủ Đức.
Ví dụ: https://provinces.open-api.vn/api/p/79?depth=2
Chào bạn @tuananhbfs Cảm ơn bạn đã phản hồi về UI/UX cũng như các trải nghiệm trên Viblo. Bên mình đã ghi nhận những góp ý của bạn, trong thời gian tới sau khi thu thập thêm nhiều ý kiến đóng góp từ các người dùng trên hệ thống, Viblo sẽ có những thay đổi để thân thiện hơn với tất cả mọi người
Bạn ơi cho mình hỏi, mình chạy đến đoạn cuối server thì báo lỗi. Bạn hướng dẫn mình cách fix với
Bài viết của ad rất hay và dễ hiểu ạ. Mong ad có thể tiếp tục ra nhiều hơn để giúp ích cho bọn em
có nhiều cách để tăng độ chính xác của mô hình, đầu tiên bạn phải kiểm tra những sample mà model đã dự đoán sai trên tập val , nếu label của sample đó đúng thì bạn tiến hành kiểm tra xem câu đó có phải là trường hợp khó và dễ nhập nhằng giữa 2 class không , nếu nó là trường hợp khó và dễ nhập nhằng thì bạn nên thiết kế lại model cho phù hợp với những trường hợp khó đó ( có thể dùng ensemble model) . Còn nếu câu đó dễ dàng có thể phân chia 2 class thì lúc này model của bạn đang bị tối ưu theo nhầm hướng , nguyên nhân có thể là do dữ liệu trainning có vấn đề hoặc overfitting hoặc model vẫn chưa hội tụ đủ tốt. Việc phải làm là kiểm tra xem output của model (output của lớp softmax của class nó dự đoán sai) là bao nhiêu , nếu giá trị này quá lớn (thường > 0.8) thì vấn đề là do model của bạn đang hiểu nhầm mục tiêu của bài toán do dữ liệu training có vấn đề (có thể do dữ liệu sai hoặc do unbalance dữ liệu , có thể xem xét dùng những loss cho unbalance data) còn nếu nó ở mức giữa 0.4-0.6 thì là model của bạn đang phân vân về kết quả , nguyên nhân là do model chưa hội tụ đủ tốt hoặc nó đã overfitting , lúc này thì phải sử dụng những phương pháp chống overfitting hoặc underfiting. nếu bạn fine tune bert cnn thì mình nghĩ là bạn nên để 1 learning rate đủ nhỏ (hoặc frozen pre train weigth lại) cho pre train model và 1 learning rate phù hợp cho những layer cuối của bộ phân loại
Bạn ơi mấy cái công thức viết sai hết rồi. Bạn copy từ chỗ nào đó thì check lại.
Tất cả đều có. Nhưng tại sao Viblo cần ý kiến thay đổi, vì mong muốn nó thân thiện, dễ vào tay với tất cả mọi người.