Tips:只不过是本人的感觉,未经过试验验证,同样也没有任何依据。
- 值小的话在计算上基本不会出现上溢出
- 由于目前在深度学习中数据都是用多维表示,比如词向量的维度就有
128
、256
维或者更高,如果模型处理这种多维度,且变化范围小的数据可以认为是风险平摊,可以保证模型的稳定性。eg:NLP中的计算句子相似度的任务,如果两个句子用向量表示,使用余弦相似性计算时,变化范围小可以保证最后计算的结果基本保持不变。
本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系:hwhale#tublm.com(使用前将#替换为@)