个人日记

本文分享了将BP算法改进为链式后的性能变化,并决定采用矩阵运算优化。此外,作者推荐了一些深度学习资源,包括斯坦福大学的教程及国内博主的文章链接。


2015年1月27日20:43:44 听说这里不错 网易杭州研发中心


http://deeplearning.net/ 
http://deeplearning.stanford.edu/wiki/index.php/UFLDL_Tutorial 
tornadomeet的博客的机器学习那一块:http://www.cnblogs.com/tornadomeet/ 


将BP改成了链式后,性能降低了45倍。用矩阵好了


训练效果有点差239 704  1456  5753  0  RMSE=2.6743658278107216

明天的工作主要是将程序整合起来,以及进一步的对文本进行预处理。


 -Xmx256M

 

java写文件 由于文件名命名不正确导致得到的文件少 需要注意


「LLM那些事」系列第 4 篇《上下文窗口的边界》,文章连接:https://blog.csdn.net/houwenjin/article/details/163999753。 演示什么:在「预测」Sheet 的黄色格子里输入一句话(默认「来泡一杯」),四个「模型」——分别只统计最后 1 / 2 / 3 / 4 个字的 n-gram 查表——同时预测下一个字。同一个输入,看的上下文越长,候选越少、预测越确定: ┌────────────────┬──────────┬───────────────┬──────┐ │ 只看最后几个字 │ 用的前缀 │ 候选下一字数 │ 预测 │ ├────────────────┼──────────┼───────────────┼──────┤ │ 1 个 │ 杯 │ 3(茶/子/水) │ 模糊 │ ├────────────────┼──────────┼───────────────┼──────┤ │ 2 个 │ 一杯 │ 2(茶/水) │ 收窄 │ ├────────────────┼──────────┼───────────────┼──────┤ │ 3 个 │ 泡一杯 │ 1(茶) │ 确定 │ ├────────────────┼──────────┼───────────────┼──────┤ │ 4 个 │ 来泡一杯 │ 1(茶) │ 确定 │ └────────────────┴──────────┴───────────────┴──────┘
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值