体調がわるくなくても虚無はくる

水曜日です。


なんとか体調がわるくならずに出社できました(昨日日記参照)。

出社し、会議労と開発労をしました。

人々の社会やっていきの空気に当てられ、すっかり虚無になっていました。


帰りの電車では異様な混雑で頭がおかしくなっていました。

帰宅後は虚無の構え(タイプ:横)。

寝ます。

異様さを越えた異様な疲れです

火曜日です。


異様な疲れから圧倒的早寝をやったので余裕で出社できました。

労は開発労、そして会議労。

病休のため今週(弊チームの労は水曜にはじまり火曜に終わる)は進捗がいまいちですが、定時で退勤しました。


帰りの電車では異様な疲れから意識がありませんでした。

帰宅後、異様な疲れを感じつつGガンダムを見ました。妙に性だった。現代社会であればアウトな感じです。


以上です。

しかしこの異様な疲れは一体。

従来の異様さに比べても異様さの異様さが目立ちます(日本語の崩壊)。

また熱がぶりかえさないとよいのですが・・・。

ツールなら怪現象も起こりうる

月曜日です。


ラクル5労チャレンジ、その機先を制するかのような圧倒的出社を行いました。

出社し、病欠中の情報のキャッチアップ(労語)をやりました。

さらに会議労、デバッグ労をしました。


デバッグ労は結局デバッグできませんでした。

しかしここで突然、放置していたAWSが突然動き出すという怪現象があり、kotonakiでした。というのもデバッグしていたツールはあまりにも動かないAWSの代替物として用意したものであったからです。

人間万事塞翁が馬とはまさにこのことです(言ってみただけ)。


帰りの電車ではスイレン・グラフティを読み終えました。有益な百合ではありましたが、後半毒親描写がありつらくなりました。そういうのは・・・もういいので・・・はい・・・。

帰宅後は異様な疲れと眠気でぐったりしていましたが、明日の労に備えて中妹4話を服用し脳を溶かしておきました。

寝ます。

またしてもフラッシュバック(邪悪編)

土曜日です。


熱も下がったということでピアノを再開しました。

またdeep本の復習労(というか休んでいた間に社で進んだ部分を読んだ)と、予習労(次回発表担当なので)をしました。

その後はDQ6の隠しダンジョン攻略。オリジナル版に比べて幾分パワーアップしているようです。楽しい・・・。


ふとしたことからいにしえの時代の労のフラッシュバックがあり、すっかりだめになってしまいました。

フラッシュバックはわるい。

前職時代は労が邪悪なのは一部の社だけであって転に成功すれば邪悪は回避できると信じていました(それはそれとして邪悪でない社だったとしても働きたくはない)。

しかし実際に転に成功してみると、確かに入社時は邪悪ではなかったのだが時間経過で邪悪が発生してしまうということがありました。


なんということだ。

充分に社の情勢を調査し、また首尾よく適切な社に入れたとしても、その後の展開で容易に邪悪は発生してしまうのです。

この邪悪発生事件で私は労という存在に対する一切の希望が消滅してしまいました。

おそらくあらゆる社で邪悪が発生するわけではない。発生したとしても別の社に移ればよい。

それはそう。しかし転には膨大な時間と体力が必要です。邪悪が発生するたびに転をしていたのではとても身が持ちません。

そうなってくると生命の危険を感じるレベルにならないと転をする気にはなりません(前職の邪悪は生命の危険を感じるレベルだった)。

そして転をしないといけないレベルになり、かつ転に成功しなかった場合には「無職になってマネーが尽きたら死」というルートが確定してしまうわけです(死装置(タイプ:安楽)があればこれが最善なのは言うまでもない)。

幸い、現職での邪悪は私自身にほとんど被害を与えなかったのに加えて、その後しばらくして邪悪が消滅したため生命の危険を感じるレベルには至りませんでした。


そんなわけで今も転をせずにいるわけです。今のところは明らかな邪悪は顕現していないのでなんとか労をやれていますが、邪悪を生み出しかねない気配(過去日記参照)が時々感じられ、不安は高まる一方です。

そして胸に秘めた労の悲しみは、ふとしたきっかけで容易にフラッシュバックを引き起こします。

今日もまた、そのようなことがおこった。それだけのことです。

しかし、それだけのことが、あまりにも悲しい。

何もかも労がわるいのです。

労は、わるい。


以上です。

性も得られず、労のわるさに苛まれる人生にどのような価値があるのか?

ひたすら社会との関わりを避けてゲームをして暮らしたいものです。

Deep Learning(An MIT Press book) 7.1.1

Deep Learning(An MIT Press book) の要点メモシリーズ。

あっ、これPRMLで出てきたやつだ!な話。

Chapter 7 Regularization for Deep Learning

  • 効率的な regularizer はバイアスをそんなに増やさずにバリアンスを大幅に減らす
  • 過度に複雑な(=バリアンスの大きい) mode family は必ずしも true data-generating process を含んでいるとは限らない
    • deep の場合はほぼ確実に true data-generating process は model family の外にある
      • deep は本質的に全宇宙のシミュレーションを含んでいるので(つよい)

7.1 Parameter Norm Penalties

  • NN ではアフィン変換の重みにだけ正則化をかける(バイアスは除く)
    • アフィン変換の重みは2変数が関わるが、バイアスは1変数なので正則化しなくてもバリアンスは大きくならない
    • バイアスを正則化すると underfitting してしまう
  • wで正則化するパラメータを、θで全パラメータを表す
  • 層ごとに違うα(正則化項の係数)をかけてもいいが探索空間が大きくなるので同じにするのが妥当

7.1.1 L2 Parameter Regularization

  • L2 正則化は weight decay として知られる
    • ridge regression や Tikhonov regularization とも
  • L2 正則化は重みが原点に近づくようにする
    • 原点以外の任意の点に近づくようにしても正則化の効果がある
    • 真の点に近い方が結果が良くなる
    • 真の点はわからないので0にする
  • L2 正則化は1ステップでは定数比率重みを減らす
  • 訓練全体ではλ/(λ+α)で重みがリスケールされる
    • λはJ(正則化していない損失関数)のヘッセ行列の固有値
    • λ >> α ならほぼ変わらない、λ << α なら重みが0に近くなる
  • 線形回帰に L2 正則化を適用するとαに比べて小さい重みが shrink する

病み上がり、横の構えで過ごしたい

金曜日です。


深夜、異様な頭の痛さで全く眠れませんでした。

しかし朝になってみるとすっかり熱は下がっていました(よい)。

そういうわけで病の院回避に成功しました(極力、病の院には行かないスタイル)。

無限に横になってDQ6をやった結果、無事エンディングを見ることができました。よい・・・。

さらにスイレン・グラフティを読み始めました。有益百合ラノベの予感がすごい。

寝ます。