« Représentation creuse » : différence entre les versions


m (Remplacement de texte — « <small> loc. nom. fém. </small> » par « <small> féminin </small> »)
Aucun résumé des modifications
 
(2 versions intermédiaires par un autre utilisateur non affichées)
Ligne 1 : Ligne 1 :
== Définition ==
== Définition ==
Représentation d'un Tensor qui ne stocke que des éléments différents de zéro.
Représentation d'un [[Tensor]] qui ne stocke que des éléments différents de zéro.


Par exemple, la langue anglaise comprend environ un million de mots. Considérons deux façons de représenter un nombre de mots utilisés dans une phrase en anglais :
Par exemple, la langue anglaise comprend environ un million de mots. Considérons deux façons de représenter un nombre de mots utilisés dans une phrase en anglais :
Ligne 8 : Ligne 8 :


== Français ==
== Français ==
''' Représentation creuse '''  <small> féminin </small>
'''représentation creuse'''   


== Anglais ==
== Anglais ==
''' sparse representation '''
'''sparse representation'''
<small>
 
 
 
[https://developers.google.com/machine-learning/glossary/  Source: Google machine learning glossary ]


==Sources==
[https://developers.google.com/machine-learning/glossary/  Source : Google machine learning glossary ]


[[Category:GRAND LEXIQUE FRANÇAIS]]
[[Category:GRAND LEXIQUE FRANÇAIS]]
[[Category:Apprentissage profond]]
[[Category:Apprentissage profond]]

Dernière version du 18 avril 2024 à 17:17

Définition

Représentation d'un Tensor qui ne stocke que des éléments différents de zéro.

Par exemple, la langue anglaise comprend environ un million de mots. Considérons deux façons de représenter un nombre de mots utilisés dans une phrase en anglais :

Une représentation dense de cette phrase doit définir un entier pour un million de cellules, en plaçant un 0 dans la plupart d'entre eux et un entier faible dans quelques-unes d'entre elles. Une représentation creuse de cette phrase ne stocke que les cellules qui symbolisent un mot effectivement utilisé dans la phrase. Ainsi, si la phrase ne contenait que 20 mots uniques, la représentation creuse de la phrase stockerait un entier dans 20 cellules seulement.

Français

représentation creuse

Anglais

sparse representation

Sources

Source : Google machine learning glossary