置顶 | 发表于 | 更新于 | 分类于 | 评论数：
本文字数： 21k | 阅读时长 ≈ 19 分钟

1. 前言

  • 此篇博文用来记录平常见到的DL有关讲解很清楚的知识点。
  • 目前文章包括如下内容：（会坚持更新来记录有关知识）
    • 全连接层流程及softmax loss
    • 过拟合欠拟合问题
    • 权重衰减的推导
    • 归一化
    • 网络参数的几种初始化方式
    • 机器学习模型的三种评估方法
    • 感受野
    • 全局平均池化
    • 张量维度的判断技巧
    • 最近邻插值Nearest和双线性插值bilinear
    • Focal Loss
    • 有关PyTorch中nn.CrossEntropyLoss()加入权重的理解
    • Pseudo Labeling 训练策略
    • CNN计算力FLOPs
    • 评价指标ROC和AUC
    • torch.cat方法简记
      阅读全文 »

发表于 | 分类于 | 评论数：
本文字数： 6.1k | 阅读时长 ≈ 6 分钟

前言

  • 本文记录了《深度学习推荐系统实战》第12讲局部敏感哈希的要点
  • 课程地址：深度学习推荐系统实战
  • 深度学习推荐系统经常采用 Embedding 召回这一准确又便捷的方法。但是，在面对百万甚至更高量级的候选集时，线性地逐一计算 Embedding 间的相似度，往往会造成极大的服务延迟。这个时候要解决的问题就是，如何快速找到与一个 Embedding 最相似的 Embedding？这直接决定了召回层的执行速度，进而会影响推荐服务器的响应延迟。
  • 业界解决近似 Embedding 搜索的主要方法：局部敏感哈希。
    阅读全文 »