你怎么知道神经网络是否过度拟合？为什么计算机中的提交内存高于 RAM 空间？

问：你怎么知道神经网络是否过度拟合？

答：当神经网络很好地学习训练数据中的细节和噪声，从而完美地拟合这些数据，但在新数据上表现不佳时，就会发生过度拟合。这就像逐字逐句地记住教科书上的内容并在一项特定测试中取得好成绩，但在将这些概念应用到现实场景中时却失败了。

现在，我们如何知道它是否正在发生？发现过度拟合的一个好方法是使用单独的验证集。通过比较训练集和验证集之间的模型性能，您将看到验证集上的模型误差是否开始上升，而训练集上的误差是否继续下降。这是过度拟合的一个关键标志。

知道了这一点，我相信您已经准备好接受这种神经网络爵士乐并享受乐趣，同时确保您的模型不仅仅是一匹只会一招的小马。请记住，平衡是模型训练的关键。模型中的每个“折痕”不应该精确地适合训练数据；也为新数据留出一些回旋余地。

问：人工智能之父是谁？

答：

约翰·麦卡锡

该领域最伟大的创新者之一是约翰·麦卡锡，由于他在计算机科学和人工智能领域的惊人贡献，他被广泛认为是人工智能之父。

问：为什么计算机中的提交内存高于 RAM 空间？

答：将您的 RAM 想象成一个几乎无穷无尽的手提箱，您知道，是您家里的抽屉之一。现在，您现在处于活动状态的东西，您正在运行的应用程序等等，这些都位于最上面的抽屉中 - 很容易找到，对吧？这就是您的 RAM，您的实时数据所在的位置。

另一方面，提交的内存可以被认为是所有抽屉的总和。它包括一切，甚至是您以后可能需要的东西。它不仅限于物理内存 (RAM)，还包括交换空间（存储在磁盘中的虚拟内存）。这就是为什么您的承诺内存（您的系统可能使用的总潜在内存）可能会超过您的实际“抽屉空间”(RAM)。 

所以，你看，这一切都是为了面向未来，并确保不会有令人讨厌的“内存不足”弹出窗口毁掉你的一天。这就像不仅打包您的随身行李，还打包您的托运行李——您承诺在需要时可以随时使用它们。

问：增加 L2 和 L3 缓存大小对处理器性能有何影响？

答：增加 L2（二级缓存）和 L3（三级缓存）缓存大小通常会对处理器性能产生影响，但具体的影响因多种因素而异。这些因素包括处理器架构、应用程序的访存模式、缓存的速度和延迟等。

1. 更大的缓存有助于提高命中率：缓存的目标是存储频繁访问的数据，以减少对主内存的访问次数。如果缓存大小增加，有更多的空间来存储数据，提高了可能的命中率，从而减少了需要从主内存中读取数据的次数。这通常可以提高性能，特别是对于那些对缓存友好的应用程序。

2.更大的缓存可能导致更长的访问延迟：增加缓存大小可能会增加访问缓存的时间，因为更大的缓存可能需要更多的时间来搜索和定位数据。这可能在某些情况下导致缓存访问的延迟增加，尤其是当数据未命中缓存时。

3.应用程序对缓存大小的敏感性：不同的应用程序对缓存大小的敏感性有所不同。某些应用程序可能会受益于更大的缓存，而另一些应用程序可能对缓存大小的变化不敏感。这取决于应用程序的访存模式和对数据的访问方式。

4.成本和功耗：更大的缓存通常需要更多的芯片空间和功耗。这可能在设计上带来一些挑战，尤其是在移动设备和功耗敏感型系统上。 

总的来说，增加 L2 和 L3 缓存大小可能会对处理器性能产生积极的影响，但这取决于多个因素。在实际应用中，处理器设计者需要权衡多个因素，以实现最佳的性能和成本平衡。

问：计算机体系结构有哪些特点？

答：计算机体系结构就像计算机的骨架，是其他一切的基础。它主要围绕三个关键概念：指令集架构（ISA）、微架构和系统设计。

ISA是任何计算机的蓝图——它是您需要了解的数据类型、机器指令和内存寻址等内容。它就像指挥一切运作的大脑。

现在，微架构是更深入的细节。它设计了数据路径和控制。这在高性能系统中可以得到真正的奇特。

最后，系统设计包含所有组件：内存系统、电源管理电路和输入/输出设备。将其视为将所有内容绑定在一起的计算机外壳。