立体风

2026年8月29日

摘要：问题公式： \[L= \log\sigma(v'_o{}^Tv_i) + \sum_{j=1}^{k} \log\sigma(-v'_{n_j}{}^Tv_i) \]如果负样本碰巧是和中心词c极度相关的，向量相乘就会得到一个极大的数，sigmoid函数作用下就会变成0，而最终log0是一个无穷小，阅读全文

posted @ 2026-08-29 16:09 立体风阅读(6) 评论(0) 推荐(0)

Word2Vec 学习计划三

摘要： Word2Vec 完整学习方案：从数学原理到模型推理第一阶段：数学基础（约 1～2 周）在正式进入 Word2Vec 之前，需要夯实以下数学工具：主题需要掌握的内容为什么需要线性代数向量点积、矩阵乘法、转置、Embedding 矩阵的本质词向量本质上就是矩阵的行/列概率论条件概率阅读全文

posted @ 2026-08-29 15:41 立体风阅读(12) 评论(0) 推荐(0)

Word2Vec 学习计划二

摘要：以 Word2Vec 作为神经网络的入门起点，是非常完美的决定！ Word2Vec 本质上是一个没有激活函数的浅层（单隐藏层）神经网络。它剥离了现代深度学习中复杂的多层网络堆叠，把核心直接指向了神经网络的本质：矩阵乘法、梯度下降和特征表示。如果你能吃透它，后续学习 CNN、RNN 甚至 Transf 阅读全文

posted @ 2026-08-29 15:39 立体风阅读(9) 评论(0) 推荐(0)

常用 Latex 代码片段示例

摘要： 1. 矩阵 $$h_{\text{fox}} = \begin{bmatrix} h_1 \\ h_2 \\ \vdots \\ h_{300} \end{bmatrix}$$ 在这段 Latex 代码中，每个带有反斜杠 \ 的词都是一个指令。以下是这段公式里各个符号和命令的详细拆解： 1. 环境与阅读全文

posted @ 2026-08-29 07:13 立体风阅读(16) 评论(0) 推荐(0)

Windows wsl 和前端

摘要：在 Windows 里写代码，在 WSL（Linux）里跑服务，之所以能顺畅通信，核心原理用一句话概括就是：微软在底层把这两套系统家的“大门”和“网络”偷偷打通了。我们可以把 Windows 想象成“客厅”，把 WSL 想象成“地下室”。这两个房间虽然是隔开的，但有一条专用通道相连。原理篇：它们阅读全文

posted @ 2026-08-29 06:44 立体风阅读(19) 评论(0) 推荐(0)

2026年8月28日

word2vec 学习计划一

摘要：目标我想以 word2vec 为神经网络学习起点，从数学原理到模型训练到模型推理的学习计划。计划如果你的目标不是“会调用 Word2Vec”，而是把 Word2Vec 当成真正理解神经网络的第一块基石，我非常赞成这个路线。因为 Word2Vec 足够小：一个 embedding 层、一个点积、阅读全文

posted @ 2026-08-28 22:23 立体风阅读(8) 评论(0) 推荐(0)

2026年8月27日

向量点积的定义、概念

摘要：向量点积（Dot Product），又称内积（Inner Product）或数量积（Scalar Product），是线性代数和几何学中最基础、也最重要的运算之一。要透彻理解点积，我们可以从代数定义、几何意义以及在AI中的核心应用三个维度来剖析。 1. 代数定义：数字层面的“对应相乘再求和” 在代阅读全文

posted @ 2026-08-27 16:57 立体风阅读(29) 评论(0) 推荐(0)

embedding 向量相似度公式 cosine similarity 的数学来源

摘要：把两个向量看成一个三角形的两条边，然后利用余弦定理计算第三条边的长度。 1. 先理解 $\vec a - \vec b $ 表示什么假设： \[\vec a=(a_x,a_y) \]\[\vec b=(b_x,b_y) \]把两个向量都放在坐标原点： A / / a / O B b 其中： (O) 阅读全文

posted @ 2026-08-27 14:23 立体风阅读(13) 评论(0) 推荐(0)

2026年8月26日

word2vec 简介

摘要：核心概念：Word2Vec 词向量模型 Word2Vec 是自然语言处理（NLP）领域的一项核心技术，用于获取词语的向量表示。这些向量基于“分布语义学”原理，通过词语周围的上下文来捕捉其语义信息。模型训练完成后，可用于寻找语义相似的词语，其生成的词嵌入（Embeddings）还可作为搜索引擎、文本分阅读全文

posted @ 2026-08-26 16:16 立体风阅读(10) 评论(0) 推荐(0)

word2vec 现代版

摘要： Word2vec 模型现在仍然存在，而且仍然可以使用。但是它在现代 NLP（自然语言处理）中的地位已经发生了变化： Word2vec 没有消失，它从“主流语言模型”退居为“基础词向量工具”。现在它主要用于学习 Embedding、教学、一些传统 NLP 任务和资源受限场景。(维基百科) 1. Wo 阅读全文

posted @ 2026-08-26 16:15 立体风阅读(15) 评论(0) 推荐(0)

公告