大家好，又见面了，我是你们的朋友全栈君。
我对负采样理解来自于word2vec算法；
比如说 love 和me两个单词；
使用特殊思维模式；假设整个词汇表只有100个单词；love 表示成one-hot向量； me表示成one-hot向量；
模型输入为love的one-hot向量；模型输出为me的one-hot向量；
假设模型的神经网络结构为100*10*100；输出层100个；
输出层中除了me对应位置的1外，其他全是0；称这为负样本；参数数量为10*100
采样就是从这样负样本中抽样；比如说抽取5个；那么在此次梯度更新中就只更新10*5；更新数量为原来的1/20
负采样的本质：每次让一个训练样本只更新部分权重，其他权重全部固定；减少计算量；（一定程度上还可以增加随机性）
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请联系我们举报，一经查实，本站将立刻删除。
发布者：全栈程序员-站长，转载请注明出处：https://javaforall.net/149160.html原文链接：https://javaforall.net
