вот это ты отнес к ру или анг? я теряюсь

other

этo на выбрoс идёт

а, у тебя азер есть. Я писал тому, у кого только ру и ен)

.

не, такoе как на скрине не прoпускается

хотя там не 460к 🤔

Ребята, привет. У меня два вопроса.
1. Чтобы выполнить задачу с новостным аггрегатором правильно использовать нейронную сеть и word embedding. Нейронную есть в теории можно тренировать, и потом использовать в C++ чтобы быстрее работала. Но word embeddings для русского и английского языков будут занимать много места на диске и в 200МБ не поместятся. Или я чего-то не понимаю?
2. Дальше - было бы прикольно если бы был категоризинованный сет для тренировки. Наверное у работников яндекса которых вы хотите переманить уже есть такой сет. У меня нету. Тем более чтобы определить новости от информации / блога.

2. дата сетов полно в инете

разве что для русского поменьше

1. эмбеддинги можно урезать, сетки брать легче, например, дистиллированные

1) Не "правильно", а "можно"

без них результат будет хуже, я похожую задачу решал и офигел как от них улучшается результат. Ну ладно, урежу эмбеддинги и поищу датасеты. Спасибо за быстрые ответы.

быстрее от самих плюсов, кстати, работать не будет. Разница будет мизер по сравнению с обертками на питоне, так как это..ээ.. обертки над плюсами

разве что на конвертацию данных будет время тратиться, но там мизер из общего пула

Ну так-то да

тот же tensorflow - это 600+ метров чистого c++ и CUDA

Еще одна причина, кстати, почему Deep Learning в данной задаче не слишком уместен)

благо куда нам не нужна, сразу половина минус

ля