شیدهوش
فصل ۱۰ · درس ۱۴ از ۱۷

۱۴. پروژه (۴): کش دقیق و کش معنایی

در یک هفته، «چرا مدل‌ها توهم می‌زنن؟» بارها پرسیده شد. چرا هر بار سراغ مدل برویم؟ در این درس کش دقیق با بیرون‌اندازی LRU می‌سازیم، می‌بینیم یکدست کردن نوشتار چقدر برخورد را بالا می‌برد، دام نشت اطلاعات شخصی را با چشم خودمان می‌بینیم، و کش معنایی (Semantic Cache) را با امبدینگ (Embedding) فصل ۳ امتحان می‌کنیم — با شمردن جواب‌های غلط، نه فقط برخوردها.

زمان مطالعه: ۴۲ دقیقهرایگان با ثبت‌ناممرجع در کتاب: پروژهٔ طراحی‌شده برای این دوره، بر پایهٔ درس ۴ همین فصل

کش دقیق و کش معنایی ذهن‌یار را با پایتون بسازید و دام اطلاعات شخصی در کش را ببینید.

چه می‌سازیم؟

قدم ۱ — کش‌ها: cache.py

در پوشهٔ zehnyar فایل cache.py را بسازید:

قدم ۲ — سه آزمایش: run_cache.py

در پوشهٔ projects/ch10_system بسازید:

اجرا کنید:

این خروجی واقعی همین کد است و باید دقیقاً همین را ببینید:

در حال بررسی دسترسی…

در این درس

  • چه می‌سازیم؟
  • قدم ۱ — کش‌ها: cache.py
  • قدم ۲ — سه آزمایش: run_cache.py
  • چه چیزی ساختیم؟
  • تمرین شما
  • خودآزمایی

اصطلاح‌های کلیدی این درس

LRU — Least Recently Used
دیرتر از همه استفاده‌شده: سیاست بیرون‌اندازی کش: موردی که دیرتر از همه استفاده شده بیرون می‌رود.
LFU — Least Frequently Used
کمتر از همه استفاده‌شده: سیاست بیرون‌اندازی کش: موردی که کمتر از همه استفاده شده بیرون می‌رود.
آکادمی هوش مصنوعی شیدهوش — بخشی از shidhoosh.com