【跟马少平老师学AI】-【神经网络是怎么实现的】(七-2)word2vec模型

一句话归纳:
1)CBOW模型:

  • 2c个向量是相加,而不是拼接。

2)CBOW模型中的哈夫曼树:

  • 从root开始,向左为1,向右为0。
  • 叶子结点对应词有中的一个词。
  • 每个词对应唯一的编码。
  • 词编码不等长。

3)CBOW模型输出为到达哈夫曼树每一个非叶子结点时向右走的概率。

  • 计算每个叶子结点的概率,以图为例W2的概率为
  • 取对数取反,作损失函数
相关推荐
敏叔V5874 分钟前
AI智能体的工具学习进阶:零样本API理解与调用
人工智能·学习
徐小夕@趣谈前端13 分钟前
拒绝重复造轮子?我们偏偏花365天,用Vue3写了款AI协同的Word编辑器
人工智能·编辑器·word
阿里云大数据AI技术13 分钟前
全模态、多引擎、一体化,阿里云DLF3.0构建Data+AI驱动的智能湖仓平台
人工智能·阿里云·云计算
陈天伟教授13 分钟前
人工智能应用- 语言理解:05.大语言模型
人工智能·语言模型·自然语言处理
池央15 分钟前
CANN GE 深度解析:图编译器的核心优化策略、执行流调度与模型下沉技术原理
人工智能·ci/cd·自动化
七月稻草人18 分钟前
CANN ops-nn:AIGC底层神经网络算力的核心优化引擎
人工智能·神经网络·aigc·cann
种时光的人18 分钟前
CANN仓库核心解读:ops-nn打造AIGC模型的神经网络算子核心支撑
人工智能·神经网络·aigc
晚霞的不甘20 分钟前
守护智能边界:CANN 的 AI 安全机制深度解析
人工智能·安全·语言模型·自然语言处理·前端框架
谢璞22 分钟前
中国AI最疯狂的一周:50亿金元肉搏,争夺未来的突围之战
人工智能
池央22 分钟前
CANN 算子生态的深度演进:稀疏计算支持与 PyPTO 范式的抽象层级
运维·人工智能·信号处理