- 博客(3)
- 收藏
- 关注
RSS订阅原创 嵌入层---极简学习笔记（简易是最高的原则）
embedding可以理解为：把离散的数据转换到连续的可以被连续表达的空间上，把稀疏高维的东西变到了稠密低维的上面了，我们可以用很好的低维的数据来获取我们想要的信息。 常用于： 用于第一层网络 1.将复杂的东西变简单，我们就更容易用比较少的参数拟合到合理的效果，而不是去拟合那些不重要的信息如噪声等，即透过现象看本质，可以减少模型过拟合 2.解决训练数据过于稀疏的问题 用于输出层 1.用于相似度匹配，如把人脸信息嵌入进去，可以比较相似度 2.与其他数据结合丢到其他网络中训练 3.数据可视化（因为人对3维以上的
2022-02-15 15:38:09
1637
原创 RNN，LSTM，GRU极简笔记
RNN与卷积最大的不同是，他的cell输出会成为下一个cell的输入，这代表了RNN是有一定**记忆能力**的，因为我的输出成为了我的输入，所以训练参数是有记忆性的，如果卷积神经网络是人类视觉的模拟，那循环神经网络是人类记忆信号的模拟，它通过看从时序序列上的相关性产生了一定程度的记忆，这种记忆包含语义，语法等信息。 它的应用 1.预测一个时序信号的未来数据，比如房价，股价，公司效益的预测。 2.自然语言处理 人在看一篇文章的时候，要是想产生理解，往往需要看完全部的段落或句子，而不是只看完某个字，然后才可以
2022-02-15 11:24:58
458
原创 混合精度训练笔记
本文只是总结一下，详细可见官网https://tensorflow.google.cn/xla/architecture?hl=zh_cn
2022-02-14 00:20:07
742
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人