猛然間回顧，發現自己對原來覺得理解的概念產生了疑惑，就包括這個負取樣。
tf.nn.nce_loss(weights=nce_weights,
biases=nce_biases,
labels=y,
inputs=x_embed,
num_sampled=num_sampled,
num_classes=vocabulary_size)) # 說白了共現過的足夠近，未共現過的足夠遠
拋開別的，如果我們把這個看作分類問題，我們希望輸入love這個one-hot變數，最後只在me這個one-hot變數上的值為1，其他接近0，但是這對於數量巨大的vocab_dict來說，直接softmax是不可接受的，於是，負取樣就是隨機選幾個負樣本。舉個栗子。選擇pig，cat這兩個單詞作為負樣本，在每個負樣本上異化為1-0這樣的二分類，及用乙個黑盒的model，**這個值是不是me，是不是cat，是不是pig，然後把這些loss值聚合進行回傳。
當然了，上一次我實現的skip-gram，其實是偷了個懶，直接呼叫了tensorflow中的embedding，然後後期使用embedding_lookup函式取到訓練好的embeddng。但是原文中不是這麼弄的，他是訓練了乙個w，然後利用單詞的one-hot，拿著個one-hot和w相乘得到embedding。
迷迷糊糊的把CentOS7在新機器上安裝成功了
今天使用光碟神奇的完美安裝了centos7，之所以說神奇，是因為前幾次都沒有成功，而這一次安裝的很奇怪，沒遇到什麼問題 之前安裝出現的問題主要有兩個問題，第乙個是網絡卡驅動問題，第二個是亮度調節問題 網絡卡驅動問題詳情 第一次安裝後，發現沒法使用wlan，找到的第乙個解決方法是關閉電腦自帶的藍芽功能...
迷糊的多維陣列的位址
為什麼要寫這個？因為這個東西有點混亂，至少我第一次接觸的時候是這樣的。或許以後還會，所以記下來需要的人一起看吧。直接上主題，我做事就是很直接，當然也會很囉嗦，下面你將會一併體驗到。int count 2 3 count 陣列count 0 0 的位址。count 1 陣列count 0 0 行數的偏...
令人迷糊的define和typedef
1.剛接觸mfc時會看到很多陌生的資料型別,關鍵字.一開始會特別反感,不適應.比如uint,dword.不過你右擊一點它們選擇跳轉到定義.就會發現有這樣的定義 typedef unsigned int uint typedef unsigned long dword 另外還有一些巨集比如on com...