返回课堂

第一问:写进去之后,怎样还能读回来?

本页问题

固定查找线索与目标内容,只增加其他关联。先认清查询、存储与读回的分工,再观察干扰。

OV07/b0 · 固定查询和目标,只增加存入的关联。

固定查询 k₀查找用的线索存储 W已写入的线索—内容读回结果?保持同一个查询继续增加其他关联固定目标 v₀用什么线索找?还能读回同一个目标吗?与目标比较
固定查询和目标,只增加存入的关联。

关联读取把查找线索与目标内容分开:查询提供线索,存储保存关联,读回结果再与目标比较。随后实验固定查询和目标,只增加其余写入的关联,观察读取是否被干扰。这使“容量”不再仅是累计存入条数,而是需要同时指定写入方式、读取方式及正确性的判断标准。此处只是引入实验对象,尚未展示结果或容量公式。

进一步解释

查询与目标来自 AR01 的同一教学随机向量实验。目标图样将64个分量排成8×8,便于比较,不是自然图像理解任务。

教师备课:指图与模拟问答

指图与推进 · 不朗读指查询→存储→读回路径,再指作为参照的目标;示意存入关联增加时,查询和目标保持不变。不要提前解释四档读回结果。 接入 AR01 时完整定义 k、v、M,不能把本页预告当成首次定义已经完成。

本态来源与条件

同源随机向量读取示意,沿用 AR01 与 Alex Wang 推导的条件。

接下来

能读回是一个问题;训练后到底学到了什么,又该看什么证据?

补充推导、边界与来源

再想一步

检索的评价对象是读回向量与目标向量的差别。把向量排成图样便于看见差别,数值指标仍要使用同一尺度和误差定义,不能只凭图像看起来相似就认定读对。

从本页继续阅读

本页证据与条件

同源随机向量读取示意,沿用 AR01 与 Alex Wang 推导的条件。

进入主题正文