对于一个混合多种数据源的训练模型,不同数据源肯定存在着差异性,如果将这种差异性反映到模型中。LHUC试图利用将这些差异性插入对模型的NN中,从而对NN进行调整。
Learning Hidden Unit Contributions for Unsupervised Acoustic Model Adaptation
这篇博客探讨了Learning Hidden Unit Contributions (LHUC)方法在处理混合数据源的模型训练中的应用,通过将数据源差异性引入神经网络以优化模型适应性。同时,文中提及了超越Google的快手公司成功落地了业界首个万亿参数的推荐模型,展示了大规模模型在精准推荐领域的突破。
对于一个混合多种数据源的训练模型,不同数据源肯定存在着差异性,如果将这种差异性反映到模型中。LHUC试图利用将这些差异性插入对模型的NN中,从而对NN进行调整。
Learning Hidden Unit Contributions for Unsupervised Acoustic Model Adaptation

被折叠的 条评论
为什么被折叠?
