第136章 现象级小游戏的诞生 (第2/3页)
灰也没啥必要再玩深沉。 林灰:“[冒泡.jpg]” 何思远:“卧槽!!!灰哥,你居然还活着?我以为你打算一直装死呢……” 林灰:“[敲打][敲打]这叫什么话,我活得好好的…… 只是刚刚睡醒而已,我还以为明天出分呢! 打算睡足了养精蓄锐熬夜查成绩。” 刘繇:“牛啊牛啊,瞧瞧什么叫大佬? 这份淡定就学不来! 我可是半宿没睡着。” 何思远:“确实,我一直守着刷新。 结果半天刷新不出来。 一直折腾到半夜两点多。 查出成绩来才放心去休息。” 曹海超:“我信你个鬼@何思远。 我看你可是一直TGP在线!我邀你还TM不理我。” 何思远:“我哪顾上玩游戏。 那是我表弟在登我账号……” 曹海超:“你觉得我信吗?[鄙视]” 何思远:“对了,@叶雨夕你这次考得好猛啊?” 叶雨夕:“我还好了,我感觉这次考686已经是我极限了。 理综里化学实在是有点拖后腿……” 曹海超:“呃,化学拖后腿理综还考290…… 还能不能愉快地做同学了,你们几个不带这么装比的。” 林灰刚好也不愿意在分数上多聊。 趁此机会岔开话题:“对了,话说你们都想好报什么志愿了么……” 刘繇:“我这个分数想去清北的话有点悬。 估计只能去京大医学部。 要是去京大医学部的话,估计铁定是做医生了。” 林灰心道,这可不一定。 学医的还真未必做医生,还有可能跑去卖医疗器械。 极端点的情况甚至会出现一届学生中一半做医疗器械。 一半同学推销另一半同学做的医疗器械. 医疗器械什么的以后有余力倒是可以搞一搞。 不过这不是林灰暂时的打算。 暂时林灰要做的只有两件事。 一、通过各种手段赚取足够多的启动资金。 二、获得一定的学术上的地位从而获取学术话语权。 关于未来的规划。 林灰其实已经在稳扎稳打地向前推进了。 尽管现在步子还不是很大。 但其实并不慢。 林灰现在搞得那个生成式摘要算法已经有所成就。 生成式摘要算法是林灰入局的敲门砖。 /*对技术无感的括号内容可以直接跳过去*/ (之所以以此入局,是因为自然语言处理这东西之于神经网络学习 很像是数论之于数学。 数学里的数论你不能说它不重要。 但是门槛是真的低。 当然数论门槛虽低,但上限却很高。 而自然语言处理的门槛也很低。 毕竟涉及到语言这东西,谁都会语言。 因此自然语言处理门槛也很低。 门槛低代表着即便林灰入局也不会被太在意。 而NLP神经网络虽然门槛低。 但和数论一样,上限很高。 上限很高意味着什么呢? 意味着将来可以轻松破局!) 而林灰打算怎样破局呢? 生成式摘要算法本质上是深度学习发展的产物。 而现在这个时间节点。 却只有神经网路识别。 没有真正意义上的深度学习。 林灰很清楚打开真正的深度学习的钥匙是什么? ——残差神经网路。 (这个概念是前世在2015年由Microsoft某研发团队提出的。 残差神经网络是一种残差学习框架来减轻网络训练。 和以往的神经网络架构不同。 残差神经网路的架构将层变为学习关于层输入的残差函数,而不是学习未参考的函数。 经验证据证明这些残差网络很容易优化,并可以显著增加深度来提高准确性。 林灰记得,前世的研究小组在ImageNet数据集上评估了深度高达152层的残差网络。 这个152层的深度要比现在这个时空主流的深8倍。 但是就复杂度而言,残差网络却具有较低的复杂度。 深度网络自然地将低/中/高级特征和分类器以端到端多层方式进行集成。 特征的“级别”可以通过堆叠层的数量来丰富。 可以说残差神经网路具有碾压般的优势) 残差神经网路这个东西在外人眼中可能是晦涩的术语。 但其实这是开启未来的钥匙。 而其就掌握在林灰的手中。 林灰这种比喻丝毫不过分。 只有在残差神经网络出现之后,深度学习这个概念才真正出现。 具体
请记住本站永久域名
地址1→wodesimi.com
地址2→simishuwu.com
地址3→simishuwu.github.io
邮箱地址→simishuwu.com@gmail.com