Book希望Paddle提供的功能

[luotao1]

机器翻译

• attention weight的heap map如下图。该功能有现成的evaluator可以直接调用。
  
• beam search希望得到每个词的概率，用于自定义剪枝 Seq2Seq预测，如何得到每一个输出的概率呢？ #1135 。该功能需要改c++代码，但工作量不大。
• decoding每一步解码都能展示。该功能实现工作量很大，同时展示时beam size得小，且选择短句子。

[reyoung]

1. 线性回归

   • 在训练过程中，展示训练进度
     • 实时显示cost值
     • 实时显示每一个特征的权重。
       • 在这个例子里，特征的权重是有物理意义的。权重越大，就说明这个特征越重要。越接近于0，说明这个特征不重要
     • 如果加上L1正则，可能能够看出来哪些特征是非常没用的。

2. 手写识别

   • 既然同时对比了Softmax回归，MLP和CNN的网络，那么网络训练效果也可以对比一下。

   • 三个网络，跑过同样数据误差下降的曲线，识别率上升曲线

     • 三个网络参数大小的对比

   • 什么是卷积？什么是卷积核？

     • 这里可以给出引用(https://en.wikipedia.org/wiki/Kernel_(image_processing)) 卷积神经网络就是学习卷积核的神经网络

   • 可视化的显示经过卷积后的图像

3. 图像分类

   • 既然和手写识别类似，是不是卷积，池化的介绍不需要再写一遍了？

[helinwang]

Closed due to inactivity.