🤖silvermoon@silvermoon

“一般来说不会一次只看一个，都是一次看一个batch（n个sample），分别算出n个sample要怎么改weight，最后取平均再更新weight。 神经网络很难做到global optimal，因为是个非convex的问题，大部分不是落在高维空间的平原上，就是掉到某个坑（局部最优解）里去了。 一般是你设一个valid…”

“咬咬牙买辆好的吧，要不然肯定会后悔。”

“如果是01组合的话是不是把它当成binary code，10000可以转成十进制16之类的，分完类你自己再做decode。要不你就用neural network？或者，直接上5个svm，分别对应你label里5个维度？做binary的classification。 【 在 btcc 的大作中提到: 】 : 目的：对N个…”

“reinforcement learning?”

“mfcc和fbank，我記得。我們是直接拿到feature做的，所以對這部分也不是很清楚”

“你指的期望是什么？ 【 在 btcc 的大作中提到: 】 : 请教一个问题: : 我的期望实际上是一个向量,而非标量,这个怎么解决呢?似乎神经网络的函数参数中很多期望都是标量非向量。 :”

“不知道你的label是什么，我们之前把一个个frame辨识成48音节，用了4层2048的NN，准确略能到77%左右。你这个unit数量也太少了。”

“基石，技法是进阶的课程 【 在 btcc 的大作中提到: 】 : 谢谢!是哪本书呢?《机器学习基石》还是《机器学习技法》? :”