@Yinz char level cnn 最大的作用在于经过混淆的没有语义含义的语句，比如 anti spam ：“激.情|裸一聊一加 v ： xxx ”
这种，对于弹幕识别， char cnn 不是合适的应用场景。
RNN 和 LSTM 更是了，弹幕没有 context ，你要 memory 有什么用？

这个场景最适合的方法还是传统机器学习方法。这不是一个复杂的 task 。

@Yinz 别闹，朴素贝叶斯和其他分类器比最大的特点就是对数据分布没有要求

@Livid 需要技术支持么， AI 从业人员可以无偿提供相关支持

@rogerchen
是的，早上上班前跑的实验，下班回家一半都不一定跑的完，楼主真是多虑了。

@lbp0200 上一代的配置也要考虑？完全没有升级性可言

笑尿。
“只有 50%的准确率”
这意味着这个神经网络和抛硬币没有太大的区别

为什么代码会长的像衬衫？

@jyzhengqian 团队好归好，但是团队不给你发工资，公司才发

@BingoXuan 重点根本不是 GPU ，是网络带宽，我的训练数据 20G ，拿什么传给他？

“因为 python 可以返回函数对象，所以我们可以函数套函数，加个语法糖就是装饰器”
你看我这么说吼不吼哇

@qiayue
ryf 的 ranking model 基本过时了，不再适用于当前需求，这些 model 和公式都太弱了。
ranking 问题是机器学习的一个经典问题。 lz 的问题本质上和图片搜索引擎的 ranking 问题没有区别。

工业界最常用的方法是用 ctr 做训练目标来训练一个模型出来。

as 接倒装句

@pandachow 多少钱出。。。我想搞一个主动降噪耳机

@blackjar mac 是最需要外接的，我刚到手 2016 的 rmbp ，即使没有 usb 接口买个扩展坞也要上外接键盘， mac 的键盘能用
？？？

@lxiange
导师就是计算理论的老师，计算理论不是算这个的，不要这样黑计算理论谢谢

@linboki 你以为 jb 的调试器后端是什么？ gui 的调试和命令行的调试，有脑子的人都知道哪个好吧

@tairan2006
definition 跳转都做不好，这些编辑器有什么好和 jb 比的。。