例子 7 语法 8 表达式计算/求值 9 OpenCL选项 10 编码选项 11 解码器 12 视频解码 13 音频解码 14 字幕解码 15 编码 16 音频编码器 17 视频编码器 18 字幕编码器 19 比特流滤镜（过滤器） 20 格式选项 21 分离器（解复用） 22 混合器 23 元数据 24 协议 25 设备选项 26 输入设备 27 输出设备 28 例子 7 语法 8 表达式计算/求值 9 OpenCL选项 10 编码选项 11 解码器 12 视频解码 13 音频解码 14 字幕解码 15 编码 16 音频编码器 17 视频编码器 18 字幕编码器 19 比特流滤镜（过滤器） 20 格式选项 21 分离器（解复用） 22 混合器 23 元数据 24 协议 25 设备选项 26 输入设备 27 输出设备 28 itrate）或者编码（codec），流说明符就是精确的为 每个流指定相应的选项。 一个流说明符是一个以冒号分隔的字符串，其中分隔出的部分是附加选项，例如 -codec 1 ac3 表 示编码器是对第2音频流以ac3编码。 一个流说明符可能匹配多个流，则该选项是所有匹配项的选项，例如 -b:a 128k 表示所有的音频流都 是128k的码率。 5 选项 流说明（限定）符 5 选项

Seq2Seq 建模方式可以很自然地解决这一问 题，并且取得了不错的效果。下图 7 是本次比赛中，我们采用的 Seq2Seq 模型结 构。针对时序性挑战，历史天气特征通过时间前后组织成序列输入到编码器当中，解 码器依赖于编码结果以及未来天气预报特征进行解码，得到 48 小时的污染物浓度序 列。未来天气预报信息对齐到解码器每个小时的解码过程中，解码器可以通过天气预 报中的天气信息（比如风级、 zero-shot 场景的效果。 具体地，我们采用 XLM-RoBERTa (Conneau and Lample, 2019; Conneau et al., 2019)[10,11] 作为模型的主干编码器（Backbone Encoder），以充分利用其已有 的多语言 / 跨语言知识；使用 BiLSTM[12] 加强序列解码能力；最后一个双线性注意 力矩阵（Bilinear Attention） BERTa 提供了 Large 版本，模型更大，训练数据更多，这使其在下游任务的性能更 好。我们没有使用 infoXLM，因为它着重于句子级的分类目标，不适合本次结构化预 测的任务。 表 1 不同编码器在官方发布的 Monolingual 任务评测验证集上的效果，所有模型都适用相同结构的 双线性注意力解码器 为了证明跨语言预训练语言模型 XLM-RoBERTa 的有效性，我们将其与以下基 线

charset: 表示字符集 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1141 19.1.13 email.encoders: 编码器 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1143 19.1.14 email.utils: 杂项工具 . JSON 编码器和解码器 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1148 19.2.1 基本使用 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1150 19.2.2 编码器和解码器 b'\x00\x00\x00\x01\x00\x00\x00\x02\x00\x03\x00\x00' � 参见 模块array 被打包为二进制存储的同质数据。 模块json JSON 编码器和解码器。 模块pickle Python 对象序列化。 7.1. struct --- 将字节串解读为打包的二进制数据 167 The Python Library Reference, 发行版本

charset: 表示字符集 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1141 19.1.13 email.encoders: 编码器 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1143 19.1.14 email.utils: 杂项工具 . JSON 编码器和解码器 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1148 19.2.1 基本使用 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1150 19.2.2 编码器和解码器 b'\x00\x00\x00\x01\x00\x00\x00\x02\x00\x03\x00\x00' � 参见 模块array 被打包为二进制存储的同质数据。 模块json JSON 编码器和解码器。 模块pickle Python 对象序列化。 7.1. struct --- 将字节串解读为打包的二进制数据 167 The Python Library Reference, 发行版本

表示字符集 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1116 19.1.13 email.encoders: 编码器 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1118 19.1.14 email.utils: 其他工具 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1124 19.2.2 编码器和解码器 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1126 19.2.3 异常 将字节串解读为打包的二进制数据 165 The Python Library Reference, 发布 3.10.15 参见: 模块array 被打包为二进制存储的同质数据。 模块json JSON 编码器和解码器。 模块pickle Python 对象序列化。 7.1.3 应用 struct 模块存在两个主要应用，即在一个应用程序或使用相同编译器编译的另一个应用程序中 Python 和 C 代码之间的数据交换

任务。BERT 在下游任务中 的 应 用 主 要 有 两 种 方 式： 即 Feature-based 和 Finetune-based。 其 中 Fea- ture-based 方法将 BERT 作为文本编码器获取文本表示向量，从而完成文本相似度 计算、向量召回等任务。而 Finetune-based 方法是在预训练模型的基础上，使用 具体任务的部分训练数据进行训练，从而针对性地修正预训练阶段获得的网络参数。 结构，主要包含历史轨迹编码模块（Encoder）、世界模型 （Interaction Module）和解码预测模块（Decoder）三个部分。其中，编码器的功能 在于对行人历史轨迹进行编码，主要提取行人在动态环境中的运动模式；解码器则是 利用编码器得到的行人运动模式特征，来预测他们未来的运动轨迹分布。需要强调一 下，在整个编码与解码的过程中，都需要对世界模型进行实时更新（Update）与查询 年谷歌的 BERT[9] 的提出以来，预训练语言模型在自然语言处理领域取得 了很大的成功，在多种 NLP 任务上取得了 SOTA 效果。BERT 本质上是一个基于 Transformer 架构的编码器，其取得成功的关键因素是利用多层 Transoformer 中 的自注意力机制（Self-Attention）提取不同层次的语义特征，具有很强的语义表征 能力。如图 3 所示，BERT 的训练分

的结构大小（亦即pack() 方法所产生的字节串对象的大小）。 7.2 codecs --- 编解码器注册和相关基类 源代码： Lib/codecs.py 这个模块定义了标准 Python 编解码器（编码器和解码器）的基类，并提供接口用来访问内部的 Python 编解 码器注册表，该注册表负责管理编解码器和错误处理的查找过程。大多数标准编解码器都属于文本编码，它 们可将文本编码为字节串，但也提供了一些 和decode() 方法相同接口的 函数或方法 (参见Codec 接口)。这些函数或方法应当工作于无状态的模式。 incrementalencoder incrementaldecoder 增量式的编码器和解码器类或工厂函数。这些函数必须分别提供由基类IncrementalEncoder 和IncrementalDecoder 所定义的接口。增量式编解码器可以保持状态。 streamwriter streamreader 查找给定编码的编解码器并返回其编码器函数。 在编码无法找到时将引发LookupError。 codecs.getdecoder(encoding) 查找给定编码的编解码器并返回其解码器函数。 在编码无法找到时将引发LookupError。 codecs.getincrementalencoder(encoding) 查找给定编码的编解码器并返回其增量式编码器类或工厂函数。 在编码无法找

charset: 表示字符集 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1041 19.1.13 email.encoders: 编码器 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1043 19.1.14 email.utils: 其他工具 . . 基本使用 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1049 19.2.2 编码器和解码器 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1051 19.2.3 异常 . 3) b'\x00\x00\x00\x01\x00\x00\x00\x02\x00\x03\x00\x00' 参见: 模块array 被打包为二进制存储的同质数据。 模块json JSON 编码器和解码器。 模块pickle Python 对象序列化。 7.1.3 应用 struct 模块存在两个主要应用，即在一个应用程序或使用相同编译器编译的另一个应用程序中 Python 和 C 代码之间的数据交换

的结构大小（亦即pack() 方法所产生的字节串对象的大小）。 7.2 codecs --- 编解码器注册和相关基类 源代码： Lib/codecs.py 这个模块定义了标准 Python 编解码器（编码器和解码器）的基类，并提供接口用来访问内部的 Python 编解 码器注册表，该注册表负责管理编解码器和错误处理的查找过程。大多数标准编解码器都属于文本编码，它 们可将文本编码为字节串，但也提供了一些 和decode() 方法相同接口的 函数或方法 (参见Codec 接口)。这些函数或方法应当工作于无状态的模式。 incrementalencoder incrementaldecoder 增量式的编码器和解码器类或工厂函数。这些函数必须分别提供由基类IncrementalEncoder 和IncrementalDecoder 所定义的接口。增量式编解码器可以保持状态。 streamwriter streamreader 查找给定编码的编解码器并返回其编码器函数。 在编码无法找到时将引发LookupError。 codecs.getdecoder(encoding) 查找给定编码的编解码器并返回其解码器函数。 在编码无法找到时将引发LookupError。 codecs.getincrementalencoder(encoding) 查找给定编码的编解码器并返回其增量式编码器类或工厂函数。 在编码无法找

的结构大小（亦即pack() 方法所产生的字节串对象的大小）。 7.2 codecs —编解码器注册和相关基类 源代码： Lib/codecs.py 这个模块定义了标准 Python 编解码器（编码器和解码器）的基类，并提供接口用来访问内部的 Python 编解 码器注册表，该注册表负责管理编解码器和错误处理的查找过程。大多数标准编解码器都属于文本编码，它 们可将文本编码为字节串，但也提供了一些 和decode() 方法相同接口的 函数或方法 (参见Codec 接口)。这些函数或方法应当工作于无状态的模式。 incrementalencoder incrementaldecoder 增量式的编码器和解码器类或工厂函数。这些函数必须分别提供由基类IncrementalEncoder 和IncrementalDecoder 所定义的接口。增量式编解码器可以保持状态。 streamwriter streamreader 查找给定编码的编解码器并返回其编码器函数。 在编码无法找到时将引发LookupError。 codecs.getdecoder(encoding) 查找给定编码的编解码器并返回其解码器函数。 在编码无法找到时将引发LookupError。 codecs.getincrementalencoder(encoding) 查找给定编码的编解码器并返回其增量式编码器类或工厂函数。 在编码无法找