TA的每日心情 | 开心 2025-12-26 03:23 |
|---|
签到天数: 1954 天 [LV.Master]无
|
本帖最后由 数值分析 于 2022-1-17 18:20 编辑
) Z9 N, F; I1 J( c. z
% x9 h9 T) d! r1 {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。7 d f# n( [+ e9 X# w
: q5 L. w8 H- ?# _& e( @
跟大家汇报一下最近的学习心得。
3 o3 }. z7 A0 D( v
" _- g4 O& U4 H2 o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
: }8 _( i0 V. j9 [6 n3 n- @! Z% h3 A' S
最怕这种品牌问题。简直送命题。: o( R% l( S6 j z
2 h8 q# s& Y3 p7 s# L# Z% o# {# b U
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。 1 [0 K$ K6 @ H& m1 A! f) H
% Q5 a/ b8 C' a; @4 W& h. S这事儿勾起了我的一番思考,值得跟大家汇报一下。
! p5 h: O: M, N1 H. {+ `- F) b2 a
5 _9 @; M! B# ~2 w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。。。8 Q" _4 d( ^0 o
0 @3 S* `5 ]8 R4 l* ?3 ~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:& ]; t) ~; ]& h2 [
: G' c- V; ~& N+ c0 o5 @' I5 g
Example 1:
' Z2 L' q0 a h7 {- O' N0 t: U2 O7 T# T0 e1 O
咱去哪儿玩啊?* B! T* z' D6 N e# n
都行2 V& C! `. }6 Q! Z, c; f. M
那咱看电影吧; Z9 ~) c& o0 U& E9 r% q
太老套了, w0 J# L2 X4 q# B0 n4 I9 f
那咱打保龄球吧?
+ r* g' S8 e5 U大热天的。。。2 k' K3 ^9 J: ], f {% K* j# [
那咱去哪儿玩啊?3 n8 R/ V+ A- k8 y( y
都行8 t3 q6 c6 m% x. N/ D8 b* d" `( I
' S+ X1 ?" a s0 t% [4 L
咱今晚吃什么?
" Q* M) _1 E! B) |/ G2 |9 _随便4 S2 [; y5 O8 e& C/ x# b& \
那咱吃火锅?
: T7 C5 V( P1 E2 k吃火锅长痘痘。8 }; w, Q9 ~; n6 w9 n- a; d
那咱吃烧烤?
( p/ ^& n1 \. M' W7 @上次刚吃的烧烤。
2 a! i: p6 U1 t8 }4 L8 I! Q3 `那咱吃什么?
! Z' S0 B4 \! x' t& ~# q% O5 x$ X随便 ) I2 i5 E3 b( M+ V
5 s q1 v) P+ o) {: y+ O
Example 2:
0 v. Z% ^9 p) t& G4 \Houston, we have a problem. . p! n2 q# C! q) ?; c6 \
What?
* z2 V* w1 z, i, p! e" N. [% ENever mind $ D/ C) y9 S2 H, P9 ]
What's the problem?
( L/ X$ _* ?* G; q) O) y4 E5 GNothing ( [0 g8 W+ d8 G% \/ N' V
Please tell us?
; h8 @5 C1 d1 U* q' EYou know what the problem is. ?" Q4 S4 r. Z1 S: R8 u( z
! j& a+ J/ [4 o% [/ u0 K# ^
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。
' x) v- k* u1 ~8 E; L3 ^
" g" U4 o/ V/ V9 a4 c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。
+ n$ Y6 A6 {* ^' j- I2 E K" d: }/ p
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。
- @/ P) U& W/ B5 I8 o7 K+ L) X2 f# |9 r
1 G9 T2 B6 h' `; \) ?/ D看到这里,各位男同学觉得眼熟么?
" v9 r/ f, V% a& \: h# P再来看看前面的两个例子。。。
+ m; ~6 B) z! `% ]3 l( P' sxxx,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。。。" a1 ~/ A0 j# a; P- x
9 O9 s4 S% L% @ Y: c
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。
" W3 U, O4 Z: b: t2 ~2 j
- p4 n* X9 b' F) C+ C2 y6 o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?
, T6 P7 f- t2 C+ |# y
. [; S/ I* i- V8 M& g R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。。。
& U8 k# f- i& U0 [7 [4 D5 {9 @1 @$ t+ q# p7 Y
为什么相爱总是简单,相处太难?得training。
* I' s" C' _, _0 p2 j" K, C! {+ ~- [, k
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。。。
, V* R7 [6 w& e5 {; l' N8 s9 G. b$ A1 X' I4 j0 Q# X9 H
对了,那什么,我得先走了。。。有没有下回看缘分了。。。
+ m, o* M+ R: _# W8 B |
评分
-
查看全部评分
|