我觉得万事万物都逃不过y=f(x)这个关系,输入在某种法则作用下变成了输出,这个用来理解宇宙,就是我们知道宇宙的现状,就是y,知道自然法则,就是f,我们不知道的是x,其实深度学习也是如此,模型要找的是f,通过不断减小预测和真实值的 损失来找最好的w和b,而这个就是f,最好的f应该是方之四海而皆准的,而且深度学习中很多都是分类问题,图像分类,文本分类是分类,图像分割也可以看成分类,是对像素的分类,还有翻译,就是预测下一个字的概率分布,也是分类,看这个词元属于词汇表中的哪一个,图片可以看成序列,因为它是由像素值有序排成的,文本就是序列,所谓词嵌入就是为单个词元用数学向量表示,这样可以把这些问题归结为一个东西y=f(x),输入都是实际事物的抽象,是实际事物的数字表示,已知的是输入和结果,要找的是f,我们用损失来引导模型学习,模型在减小损失的过程中,逐渐接近本质,我之所以说翻译是分类,是因为模型要预测的是当前词元是词汇表中的那个词,就是一个词汇表大小的分类,最重要的是建摸,抽象出有用的数据
相关推荐
软件算法开发39 分钟前
基于秃鹰搜索优化的LSTM深度学习网络模型(BES-LSTM)的一维时间序列预测算法matlab仿真兔兔爱学习兔兔爱学习3 小时前
2.神经网络基础_codemonster3 小时前
深度学习实战（基于pytroch）系列（三十五）循环神经网络的从零开始实现巫婆理发2223 小时前
卷积神经网络（卷积+池化+全连接）Coovally AI模型快速验证4 小时前
去噪扩散模型，根本不去噪？何恺明新论文回归「去噪」本质麻雀无能为力8 小时前
多媒体常用特征处理技术梳理哥布林学者10 小时前
吴恩达深度学习课程二： 改善深层神经网络 第三周：超参数调整，批量标准化和编程框架 课后习题和代码实践WWZZ202510 小时前
快速上手大模型：深度学习11（数据增强、微调、目标检测）安如衫10 小时前
【机器学习基础】Attention in Transformers：注意力机制CoovallyAIHub13 小时前
存储风暴下的边缘智能韧性：瑞芯微RK3588如何将供应链挑战转化为市场机遇