TA的每日心情 | 开心 2025-9-27 03:14 |
---|
签到天数: 1943 天 [LV.Master]无
|
本帖最后由 数值分析 于 2022-1-17 18:20 编辑 + S4 e/ P8 n" [! |4 U8 {
) H3 C M% V9 J5 U* N提前声明啊,下文中所述女性,均指平凡(trivial )女性,不包含爱坛各位女生,当然我领导也不在内。
9 m' M- F1 P5 J; `, B1 M) T2 s' D" Y( Q- Q4 |( e0 |
跟大家汇报一下最近的学习心得。. q+ C/ L3 c" v$ D w! g' n1 j
2 s$ [: v- B0 c/ @3 q
因为什么引起的呢?这不社长在日志里公布了一批食品,其中提到了某饺子馄饨品牌,然后引起我的感慨
1 Z+ o% ]* ^* V& A9 U3 n0 N6 {
4 Y3 S2 |4 P; d3 ]( U) i" F最怕这种品牌问题。简直送命题。+ v# I$ x7 x5 i4 i8 u/ X% L
B' M7 y7 I& t! M2 v
比方领导说,去超市买两个番茄酱罐头。到了一看,嚯~~~,这满架子的罐头,长得都差不多,买哪一个?甭问领导,问了准是“就平常咱家吃的那种啊。。。”。到这儿就得打住,不然再问就是“你连咱家吃的那种番茄酱都不知道?。。。”后面准挨一顿呲叨。
! d3 _% a q. L6 U
$ i. v. a: z S/ @- X这事儿勾起了我的一番思考,值得跟大家汇报一下。
: v$ W, X2 H) V; m
+ B6 ~& f3 Z5 \8 z* {( J9 m我做研究生的时候,在系楼底下机房里,贴有这么一张告示,大意是:“our mind reading technology is not mature yet”,除非你能清楚地告诉我你碰到的问题,否则我爱莫能助。。。 a( {0 T! D9 F; x/ `
) a6 }- o% Q9 r( f2 f4 x当时就震惊于网管的总结能力。准确地总结了一般理工男和平凡女性(参考置顶声明)相处中的困惑。我用两个广为人知的例子,描述一下这种困惑:
% Y, U2 G4 h2 M. {5 D/ W+ P$ f+ K+ v% M2 E3 B
Example 1:5 P& ^5 d( M- i+ Z
' l$ [) @9 _7 r: {, i
咱去哪儿玩啊?3 }; E! | U; @3 [: l$ B
都行
; d, l4 E; A1 }2 [那咱看电影吧2 I0 ^' u4 j, m1 w' r
太老套了
3 Z9 W* f+ Q. r: x# _( `那咱打保龄球吧?2 j+ d2 Q, [+ G4 F& ~0 m
大热天的。。。, a' G* U3 F1 @$ k* D2 ^
那咱去哪儿玩啊?0 `7 W, Q; ^3 t. \& u0 b* ?
都行
, P j* p) }+ n8 Z' }2 @( {
- J8 m5 C- \5 v" P6 F咱今晚吃什么?
+ R" S9 I" F3 K5 A0 B随便6 U4 g9 o8 ~' [1 J* D) q
那咱吃火锅?
1 W2 A) b2 i# ?: m/ j' c吃火锅长痘痘。
0 U. k, \* u. u那咱吃烧烤?
' r, J( p' v9 O; q: Y7 K- X上次刚吃的烧烤。! M' R2 y! o: V }% c/ `
那咱吃什么?
3 C1 L7 g0 n, B* s! \2 g随便
, I1 N0 W& T& d& b* M% s3 x/ V8 @; F4 K2 q
Example 2:
! C' T! p2 L$ ^) sHouston, we have a problem.
c5 Y7 m$ Q9 |, P# k+ K( GWhat? , f' b$ i% a' j; l! L& _! L; u
Never mind
/ u& o7 \2 P2 o2 j( z3 kWhat's the problem? : G3 [) Z' `- A/ V/ Y! `
Nothing
$ d8 \* J+ z, ?( E* xPlease tell us? % `1 b% j6 w/ p7 d1 i1 o% ~. g! ]
You know what the problem is. 9 p T7 d, C& U9 D+ ~1 t& _
6 q* }& L4 E, @7 I6 i6 o" a6 L8 g女士们不知道读心术尚未成熟么?为什么明明有答案却不肯说出来呢?这种我猜我猜我猜猜猜的游戏实在是让人恼火。。。这个问题一直困扰着我。直到最近我学了机器学习,豁然开朗。
2 V4 h+ p% u K( F, J0 ?. E' h% [
先说说什么是机器学习吧。简单(不严谨地)说,就是让机器学会干活儿。干什么活儿呢?,不是烤肉松包,换门铃这种。比方说,让机器学会如何认出一只猫。早先的思路是总结出猫的特征,输入机器中,然后让机器每见到一物件就按这个标准判断是不是猫。这条路就叫专家系统。比如说吧,告诉机器,猫,乃是有四条腿一脑袋一尾巴的毛茸茸可爱小生物。但效果并不好。比方说来一哈巴狗,机器就puzzle了,这是猫吧。。。总结出的规则,难免挂一漏万,所以不能这么教。那怎么教呢?人类也是经过长期的实践,发现一条路,靠training。9 p& V: w: Z* L4 T4 o1 O b. f! a: x
7 V: G% b8 F! A) D8 _
具体怎么叫training呢?得这样,仿照人的神经网络,搭一个基于代码的神经网络。然后给他看一个猫(的照片),告诉他,这是猫。再给他看一其他物件(比如说哈巴狗)(的照片),告诉他,不是猫。如此反复,让他自己悟去。这样才能完整了解猫这个概念。 q2 j) |7 M0 B# q" Y( U+ m
) ?% z% \% O2 V* D! b: V* l" `* {
看到这里,各位男同学觉得眼熟么?
3 D1 b( W0 O1 ^7 q! Z' ?9 ^再来看看前面的两个例子。。。
0 W8 y; B4 _0 F; T' [( o! y* v& X! xxxx,这两个例子不就是training么?搞了这么多年理工,实验品竟是我自己。。。
5 L+ L# _, Z5 c
& t9 p' Y5 s4 T) z. F6 Q别急,还没完。神经网络training最怕什么?有同学可能说了,最怕training不足(under training),网络把别的动物认成猫。不对。学习能力里最重要的是什么?是泛化学习,举一隅而反三隅是也。还拿认猫来举例,我们希望的机器学习是认识猫这个抽象的概念,而不是某一只或某一种具体的猫。比如说吧,如果你给机器看的猫都是黑猫,机器很有可能在猫这个概念里加上黑色这个本不应存在的多余限制。现在再拿校长家的雪球给他看,他就不知到是猫了。Training最怕的就是这种over training。因为under training还可以通过继续training来完善,但一旦over training了,再想泛化就很麻烦了。/ m0 j1 N$ T; F
8 H7 p$ S. K0 V6 [$ O, L
其实平凡女性总是期望能提高在一起的机会成本,以消灭任何未来的潜在竞争者。往野蛮了说,有南太平洋岛国悬崖跳水求婚的风俗,往文明了说,有“钻石恒久远,一颗永流传”的婚戒。你能付出最宝贵的机会成本是什么?有人说没钱人的钱,有钱人的时间。我觉得不对,你最宝贵的是,你那颗大脑,以及里面的那张神经网络。听到这里,有没有后背发凉的感觉。。。当你和爱人达到默契,她一个随便,一个都行,你就知道她想什么,喜欢什么了以后。。。您还有回头的路么?# s# u5 c9 c- q- w1 e9 O+ [
4 \; |+ `3 s, \9 B4 n# `, K
弱水三千,只取一瓢,变成了:弱水三千,只能取这一瓢了。。。有没有生活中经历过,和伴侣分开一阵子,觉得哪哪儿都不对劲。。。
; v% A/ }$ ~' L+ @
* F/ L9 V! D7 t3 l) d为什么相爱总是简单,相处太难?得training。4 n) L& a- o9 p7 R7 h1 [
' y" y* |# J' u+ i/ m2 O. p* B这就是为什么耗子医生于半夜1点看奥特曼,为什么你的另一半拉着你看脑残剧。这就好像建国初期,资本家腐蚀我党干部一样,不怕你不喜欢,就怕你不看。只要看了,就会留下烙印。这种training是潜移默化,润物细无声的。插句题外话,最近爱坛上几位男同学在交流追剧心得,难保不是被调教,哦,不,训练地小有所成了。。。4 P$ N: G. a5 U E: l
) T. d+ @* |6 }4 r对了,那什么,我得先走了。。。有没有下回看缘分了。。。
5 \4 t& p5 Z* |8 ~7 M |
评分
-
查看全部评分
|