知识卡片
单序列拟合不能证明标注能力
演示用四个随机输入向量拟合四个标量,损失只检查隐藏输出第0维。它适合理解门与反传的执行,不是中文标注实验,也未验证泛化。损失从0.266降到0.069还不能证明目标值都已充分拟合。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- · 查看原书依据
def gensamples(x_dim): ylabels = [-0.5,0.2,0.1, -0.5] xinputs = [np.random.random(x_dim) for i in ylabels] # 对应输出矩阵的一系列随
参考来源
- 位置:《NLP汉语自然语言处理原理与实践 (郑捷)》第09章《NLP中的深度学习》(来源项目:a19c7933-4eda-4176-aebd-30fe7e1ad292;源文件:extracted/NLP汉语自然语言处理原理与实践 (郑捷)/_epub-src/OEBPS/text00014.html)
- 结论依据:摘录中关于单序列拟合不能证明标注能力的定义、比较或条件支撑卡片;原书表述不严谨的范围已在覆盖记录逐项限定,不把案例结果外推为普遍结论。
- 原始内容:def gensamples(x_dim): ylabels = [-0.5,0.2,0.1, -0.5] xinputs = [np.random.random(x_dim) for i in ylabels] # 对应输出矩阵的一系列随