loading
花满渚
Someone who loves to write and share.
文章
6
标签
3
分类
5
首页
博客
标签
关于
Bloom Isle
Linux内核
返回首页
PAGE_NAME
首页
博客
标签
关于
搜索
Linux内核
发表于
2026-08-06
|
更新于
2026-08-08
|
Linux
|
总字数:
4
|
阅读时长:
1分钟
|
浏览量:
提前占位
文章作者:
花满渚
文章链接:
http://bloomisle.cc/posts/51cbecbf/
版权声明:
本博客所有文章除特别声明外，均采用
CC BY-NC-SA 4.0
许可协议。转载请注明来源
Bloom Isle
！
上一篇
计算机网络(一)
说在前面 本系列文章是对 哔哩哔哩up主——湖科大教书匠的计算机网络系列视频的学习笔记。强烈推荐大家观看老师的视频来学习计算机网络的基础知识。 计算机网络概念 网络：网络是由若干节点（Node）和连接这些节点的链路（Link） 组成的 互联网：互联网是由若干网络和连接这些计算机的路由器组成的 因特网：因特网是当今世界上最大的互联网 互联网（internet） 因特网（Internet） 若干网络和路由器互连 当今世界上最大的互联网 任意通信协议 通过 TCP/IP 协议通信 信息传输 电路交换 图1. 简化电路交换示意图 通过电话交换机进行信息传输的方式称为电路交换 一次完整的电路交换方式的通信大致有以下几个流程： 建立连接：一用户若想向另一用户拨号，电信网首先得为这两个用户分配一条物理通信路线，如图1所示。此时在用户A和用户E之间的路线即为建立的连接。 通信：当成功建立连接之后，用户之间便可以进行通信输了。在通信过程中，用户所占用的通信资源并不会被释放 释放连接：当通信完毕，此时需要释放所占用的通信资源，归还给电信网 ...
下一篇
Transformer详解
背景 观前思考：为什么 Transformer 能在短短几年内，彻底取代 RNN 和 LSTM，成为 NLP 乃至整个 AI 领域的基石？ 在Transformer之前，NLP领域广泛使用RNN或LSTM进行序列建模和文本生成。RNN和LSTM都是循环结构，它们维护一个不断更新的隐藏状态，将历史信息压缩其中，并根据这个状态和当前输入来预测下一个词。但这样的结构带来了两个突出的问题。 首先是训练速度问题。由于RNN和LSTM必须按时间步依次计算：算完 ht−1h_{t−1}ht−1 才能算 hth_tht 。整个序列是高度串行化的，无法像矩阵运算那样充分并行。这使得它们很难利用现代GPU大规模并行的优势，训练速度受到严重制约。 其次是长距离依赖问题。在自然文本中，相距很远的词句之间也可能存在语义关联。然而RNN的信息必须沿时间步逐步传递，在处理长序列时极易出现梯度消失或梯度爆炸。LSTM通过门控机制大幅缓解了这一问题，但信息仍须逐步传递，在足够长的序列上依然会出现衰减，难以真正捕捉远距离的依赖关系。 以上两个问题，前者意味着RNN和LSTM训练慢，后者意味着它们甚至很难训...
评论
花满渚
Someone who loves to write and share.
文章
6
标签
3
分类
5
目录
1.
提前占位
复制
Bing搜索
站内搜索
转到链接
粘贴
空降评论
复制本文地址
新窗口打开
转到链接
复制链接
保存图片
在新窗口打开
全屏显示
复制图片链接
播放音乐
暂停音乐
上一首
下一首
歌词开关
阅读模式
版权声明
进入全屏
搜索
数据加载中
