我经常看到一些论文，其中作者对单词和图像嵌入进行逐点乘法（例如下图）。
为什么这个实现有效？我不明白。
为什么词和图像的联合嵌入有效？
数据挖掘
机器学习
深度学习
计算机视觉
nlp
2022-02-18 02:16:25
1个回答
该模型比单词和图像嵌入的逐点乘法更复杂。它是一个单一的神经网络模型，因此反向传播可以提高整个模型的权重。训练信号将调整所有层以在任务中做得更好，在这种情况下，任务似乎是问答。
该图仅显示前向传球。
其它你可能感兴趣的问题