一、数据处理 用于训练 RNN 的 mini-batch 数据不同于通常的数据。 这些数据通常应按时间序列排列。 对于 DI-engine, 这个处理是在 collector 阶段完成的。 用户需要在配置文件中指定 learn_unroll_len 以确保序列数据的长度与算法匹配。 对于大多数情况， learn_unroll_len 应该等于 RNN 的历史长度（a.k.a 时间序列长度），但在某

从1/2+3/2=3说起………… 老师在课堂上无情的嘲弄了一个二分之一加二分之三等于三的同学，差把他说成民族败类了…… 对此，我感到不解，难道算错一道题就这么不可原谅吗？ 还有，二分之一加二分之三等于三非要等于二吗？ 谁说不可以等于三了呢？ 我们的教育就是这样，不容得一点异议，不许你有任何创新的想法。 如果你有，那么你就是不听“祖训”，不懂得“为人之道”………… 我

如果X不是满秩矩阵的时候，那么不能使用inv()函数来求X的逆，因为X此时不存在逆，但是我们可以求X的伪逆。 （1）有以下两种方法求X的伪逆： 假设 X=[1 2 1;1 2 1;2 3 4]; 1, pinvX=pinv(X); 2, [U,D,P]=svd(X);r=rank(X);Dnew=zeros(size(D));Dnew(1:r,1:r)=diag(diag(D(1:r,1

偶尔看到这个加和： S = 1 + 1 2 + 1 3 + ⋯ + 1 n S=1+\frac{1}{2}+\frac{1}{3}+\dots+\frac{1}{n} S=1+21​+31​+⋯+n1​ 查了专业术语，原来它是一个调和数，这个数列也为调和数列，是发散的。 当 n → ∞ n\rightarrow\infty n→∞ 时，值可以近似为： log ⁡ n \log n logn

偶尔看到这个加和： S = 1 + 1 2 + 1 3 + ⋯ + 1 n S=1+\frac{1}{2}+\frac{1}{3}+\dots+\frac{1}{n} S=1+21​+31​+⋯+n1​ 查了专业术语，原来它是一个调和数，这个数列也为调和数列，是发散的。 当 n → ∞ n\rightarrow\infty n→∞ 时，值可以近似为： log ⁡ n \log n logn