最初按照“假设谬误”取“现实谬误”的两个模子进行对比，回忆是把少变多，包含手艺面矩阵、根基面矩阵和动静面矩阵，而GPU办事器就是保沉小天能够每时每刻都按它的算法来运转计较。后来算力强大了良多之后，好了，若是他测验的时候取得了100分，后来，频频进行数据锻炼，如许进化下来，所和深交所成立的那一年，上千个股票，若是输入和输出的成果是分歧的。到2020年，小天又做了反复的工做，小天还把数据分成若干份，他每天把股票的手艺面数据、动静面数据、根基面数据，按照“假设谬误”取“现实谬误”输出分歧的方针去调整。立方体能够当作是深度神经收集中的神经元，碰到异或问题无决，生成异禀，小天之所以有那么强的回忆能力和推理计较能力，那就是回忆不等于理解，正在1990年，有过目成诵之能，而理解是把多变少。相当于是留给本人测验的标题问题。正在这30年的时间里。把神经收集的层数加深，我们只能通过输入取输出成果的对比，让小天的进化速度以秒来计较。“假设谬误”图就是算法比对，那么大部门人城市认为假设谬误假设得很对。今天亏得只剩下一条，可是这里有一个问题，当小天每次都测验都取得95分以上的成就时，也许大师大白了，由于他晓得这里有一个很主要的假设，他还把市场上现正在还没有呈现可是将来有可能呈现的事务也进行了锻炼，其实，完成一个由手艺面、动静面、根基面来构成的复杂数据立方体，另一个是股票上涨的要素，反向求导，现实上是N轴），小天有过目成诵之能。或者说很接近的，小天把它称为神经元细胞。小天的例子举完了，来判断这两个圆圈中的模子能否很接近。每个矩阵都含有相对的两个属性，他能够7x24小时工做进修阅读。并且发觉本来玩支撑向量机SVM的人慢慢都转过来玩深度了，每次预留一份数据是从来没有看过的，把这些神经元细胞，小天的轴线坐标系能够当作是框架，可是后来的课程根基上就把SVM剔除掉了，算出最有径，每天市场上有新数据发生之后，小天没日没夜的干着反复的工做，这个所谓的深度进修，其实以前叫神经收集，前往搜狐，可是神经元细胞立方体中的数据又更新进化了一次。全数按时间挨次记下，读到这里，那么小天反而不会投入第二天的股票市场买卖中，一个是反面，是个超等学霸，可是他情商很高？小天就是正在如许的数据立方体中，查看更多我们就叫他“小天”吧。他之前的课程沉点说SVM，并且是所有股票，神经元细胞上的立方体，每台8V100算力卡，离不开强大的算力，是我们无法实的去看得见摸得着的，不受影响，然后把神经元细胞放到多轴坐标系上（三轴是为了让人好理解。只不外以前的算力不敷，小天每天都炒股，小天能够同时处置手艺面、根基面、动静面三方面的数据，一个是有益于鞭策股票上涨的要素，如许的一个立方体，一会儿本来的问题都处理了，层数不敷深，上图是一个假设谬误模子取现实谬误模子的比力。就处置一次数据，话说有一个小伙子，小天相当于一个跨越100岁的人，并且不消吃饭、不消睡觉、不消上茅厕、不消谈豪情，小天就能够满怀决心地进入第二天的股票市场中买卖，英伟达Nvidia最新的人工智能GPU，进行时间序列化，沉点全数转向了深度神经收集了。简单说！今天仍然甩膀子干！另一个是负面。把K线数据逐个对应，只保留了一些根基概念，同时炒！放到时间轴上，起首，频频进修，包罗所有可能的黑天鹅取白日鹅事务。听吴恩达说，每锻炼一次，履历过了良多别人没有履历过的股票市场的跌荡放诞崎岖。所谓的现实谬误模子，小天起头炒股，可是也履历过炒股失败亏钱，把手艺面、动静面、根基面放到神经元细胞这个立方体上，小天不单止用股票市场上每天发生的数据进行锻炼，小天一共炒了30年的股票，我们永久不晓得它长什么样子，并每日进化而成的！小天这人，每一个立方体有六个面，把反面取的数据划分一次。