深度学习在训练模型时,输出的每个参数代表什么意思?

1. 深度学习在训练模型时,输出的每个参数代表什么意思?

假设我们有一个系统S，它有n层（S1,…Sn），它的输入是I，输出是O，形象地表示为： I =>S1=>S2=>…..=>Sn => O，如果输出O等于输入I，即输入I经过这个系统变化之后没有任何的信息损失（呵呵，大牛说，这是不可能的。信息论中有个“信息逐层丢失”的说法（信息处理不等式），设处理a信息得到b，再对b处理得到c，那么可以证明：a和c的互信息不会超过a和b的互信息。这表明信息处理不会增加信息，大部分处理会丢失信息。当然了，如果丢掉的是没用的信息那多好啊），保持了不变，这意味着输入I经过每一层Si都没有任何的信息损失，即在任何一层Si，它都是原有信息（即输入I）的另外一种表示。现在回到我们的主题Deep Learning，我们需要自动地学习特征，假设我们有一堆输入I（如一堆图像或者文本），假设我们设计了一个系统S（有n层），我们通过调整系统中参数，使得它的输出仍然是输入I，那么我们就可以自动地获取得到输入I的一系列层次特征，即S1，…, Sn。

对于深度学习来说，其思想就是对堆叠多个层，也就是说这一层的输出作为下一层的输入。通过这种方式，就可以实现对输入信息进行分级表达了。

另外，前面是假设输出严格地等于输入，这个限制太严格，我们可以略微地放松这个限制，例如我们只要使得输入与输出的差别尽可能地小即可，这个放松会导致另外一类不同的Deep Learning方法。上述就是Deep Learning的基本思想。

2. 图中各参数都代表什么意思啊？

x,y是坐标  a、R、T、L、E分别表示转角（两条直线的交角）、圆曲线半径（弯道的缓急决定因素）、切线长、圆曲线长、外距(曲线中点与交点的距离)
这是计算曲线要素的.前面两个是由设计者设计的,后面的则由前两个计算出来

相关专业解释可搜索与“公路路线的设计及基本概念“的文献

3. cpu各参数的含义

首先是处理器（Processor）框内的信息： 

　　1、名称（Name）：代表CPU的名字，比如E2140，Q6600之类。 

　　2、代号（CodeName）：代表CPU核心架构的代号，不同核心的cpu性能差距很大。比如SmithField和Presler核心的奔腾D，同频率的性能远不如conroe核心的酷睿2，实际上1.6G的酷睿2性能大约相当于3G的奔腾D。目前的主流桌面级cpu就是amd的k10和intel的conroe（这俩都是架构，对应多个核心），相对来说conroe架构的性能更强劲一些，不过k10差的也不是很明显，都是好东西，再也没有奔腾D时代那种比较垃圾的架构了。 

　　3、封装（Package）：即用绝缘的材料将cpu内核和其他原件一块打包的技术。封装技术对CPU来说很重要，但是对购买cpu的人来说没必要在意，都是很成熟的技术，没啥问题。 

　　4、工艺（Technology）：就是通常所指的65nm，45nm等等。工艺越先进就是指这里的数字越小，然后对CPU而言，相同面积上可集成的晶体管数目就越多，CPU体积就越小，可以更好的控制成本，而且工艺越高，CPU的功耗和发热量就越小，可超频性就越强。买CPU的时候当然是工艺越高越好，功耗低，散热小，好超频！ 

　　5、核心电压（Core Voltage）：核心电压是一个很重要的参数，尤其是对超频来说。一般的核心电压越低，越容易超频。因为核心电压低了，可提升的余地就大，功耗就低，发热量就小，有利于超频玩。所以高手选CPU的时候很注重修订（下面介绍），CPU不同的修订代表了不同的品质，一些就体现在核心电压这块，苛刻的玩家甚至只买生产日期是哪一年那一周的那一批次的产品。 

　　6、规格（Specification）：就是对CPU的描述，没啥意思。 

　　7、系列（Family）、扩展系列（Ext.Family）、型号（Model）、扩展型号（Ext.Model）：应该是CPU厂商对CPU的定义，该CPU属于那一系列哪一个型号。对一般人没用。 

　　8、步进（Stepping）、修订（Reversion）：代表了CPU厂商对该CPU的的改进信息，类似我们开发程序时候的版本号。随着CPU厂商对CPU的改进，步进和修订都会增加，这些改进包括了核心电压、功耗、发热量、稳定性、超频性、支持指令集等各方面。一般较新的步进的CPU都比老的好一些，但世事无绝对，可能之前步进的CPU超频性更好一些呢，这也说不准。这个参数还是比较重要地，买CPU的时候尽量选择步进新的，毕竟CPU厂不会将它越改越烂。 

　　以上就是处理器（Processor）框内的信息,买到一个CPU后，可对比这些信息，瞅瞅这个CPU是不是真滴，也可看看CPU是否自己中意的那个修订版的。 

　　然后是时钟（Clock）框内的信息，如果是多核心CPU,可在下面选核心，这里显示核心的时钟状态。 

　　1、核心速度（Core Speed）：就是主频，谁都知道啥意思，算是CPU最重要的性能参数吧。越高越好，超频后也可在这里体现出来。计算方法是主频 = 外频 * 倍频。 

　　2、倍频（Multiplier）：就是主频与外频的比例。当一个CPU主频相对较低，制作工艺较高，倍频也较高，这意味着这个CPU超频比较厉害，比如赛扬系列。大多数CPU的倍频是不允许修改的。但现在的AMD出了不少黑盒版CPU，黑盒版意味着CPU的倍频是可以修改的，这就更容易超频了。此外intel的高端至尊系列好像外频也是不锁的。 

　　3、总线速度（Bus Speed）：其实就是外频吧。同主频的情况下，外频越高（倍频不同）性能也就越高。 

　　4、前端总线（FSB）：前端总线就是连接CPU跟北桥芯片的总线，这个频率当然是越高越好，但前提是主板支持。对Intel的CPU来说，前端总线连接了CPU跟内存控制器（北桥内），CPU操作内存通过内存控制器进行，所以带宽不够的话，会发挥不出CPU的性能。对AMD的U来说，这里显示的是HT Link之类的字符，HT即Hyper Transport，是AMD特有的技术，AMD的CPU因为把内存控制器集成到了CPU内部，所以操作内存不需要通过北桥也就没前端总线这一说。 

　　对Intel的CPU来说，一般外频 * 2 = 内存频率，内存频率 * 2 = 前端总线频率，这是因为他们被设置工作在同步状态下，所以超频的时候，不仅CPU外频，同步超的有内存的频率，前端总线的频率。当然也可以设置他们工作在异步的状态，不过据说这时候超频容易失败。 

　　AMD的CPU来说，其HT的带宽很高，据说HT在800M的状态下，就抵得上FSB1600M。现在HT速率都在1000M以及以上。可见其先进性，但是Intel却没用这个技术。 

　　最后是缓存（Cache）框信息： 

　　1、L1数据（L1 data）：代表一级数据缓存。这里Intel的U和AMD的U又有所不同，一般的Intel的U这个数据一般比较小，AMD的一般比较大一些。这是因为现代（之前的不管了）Intel的L1缓存里存放的是“目录”而不是实际的数据，实际的数据存放在L2中，CPU取数据的时候首先到L1中取的数据在L2中的地址，然后从L2中取得数据。而AMD的L1存放的就是实际的数据了。 

　　2、L1跟踪（L1 Trace）：L1 Trace这个名字是对Intel的CPU而言的，AMD的CPU这里显示的应该是L1 Code之类的字符。这个地方代表的意义是L1 指令缓存的大小。 

　　3、L2缓存（L2 Cache）：这里代表L2缓存的大小。对L2 缓存来说，据说，0-256k范围内的数据命中率（就是说CPU要用到的数据恰好在0-256k范围内）超过90%，超过256k的部分命中率为10%左右。所以，128k的赛扬明显感到比512k的笨四慢，但是L2都超过512k之后，速度就感觉不出明显的差别了。 

　　4、L3（三级缓存）：最新的CPU都有三级缓存了，这个缓存自然是越大越好。为啥缓存越做越大呢？据有的资料上说，这是因为要解决什么什么延迟的问题，挺复杂。反正对CPU来说是越大越好的。 

　　对于Intel和AMD的CPU来说不能单纯的比较他们二级缓存的大小来评价性能高低，因为他们的一级缓存存的东西不一样，而CPU用到的数据80%都可在一级缓存中找到，只有20%才要到二级缓存以及三级缓存中去找。AMD的一级缓存存储的是实际数据，相对Intel的CPU实际数据存在二级缓存中，取数据都要到二级缓存，AMD的CPU效率还是挺高的。

4. 用stata做ols回归后出来的数据分别代表什么？

关键看三个地方，一个是判定系数R方，本图中，为0.9464，,拟合优度很高。
第二看回归系数，本例中，常数项为9.347，系数为0.637，
第三看回归系数的显著性检验，即P值，本例中，x的系数的P值为0.000，小于0.05，说明x对因变量有显著的影响。其它的基本可以忽略。

5. system("mode con cols=85 lines=25 &color a")中的各个参数都是什么意思? 请知道的帮忙解释下，谢谢了！

这个是系统命令

你在开始->运行->cmd 打开命令行

输入 mode /?  回车
就看到各参数的含义了

输入color /? 回车

6. matlab能做GAM（广义相加模型）吗

我也想了解这方面的，不过好像matlab没法做  ，它可以方便作的：
1、矩阵运算 
MTALAB最强的项目就是矩阵运算，计算效率远远高于C/C++，是常用的工程计算线性方程组的计算软件。
2、MTALB强大的作图功能
MTALAB具有强大的3D绘图功能，函数调用简单，并且很多功能都以工具箱的方式可供应用，即使是没有接触过MATLAB，学会绘制3D图，也很容易
3、数据拟合功能
MATLAB具有强大数据分析拟合能力，常用的拟合工具箱CFTOOL
4、数值积分微分运算
MATLAB内部有现成的一些常用的数值计算方法，例如牛顿法、高斯法等，同时MATLAB也可以进行符号运算，进行符号积分以及微分运算。
5、MATLAB还可以进行仿真实验，以及图像处理等等专业功能。

7. matlab 中mOpts或者Xopts所传递的参数里每个参数都代表什么意思？

四年了都没人会嘛~~~擦哦

8. 如何做多个变量的广义相加模型分析

单从一个模型的角度上来说，变量越多基本上模型的结果越接近期望值，但是一般要是做非常准确的报告，我们都是用三个模型来共同匹配数据进行预测分析，然后校验准确率，最后选择准确率最高的一个模型即可。