1、首先打開YouTube的官方網站，可以直接從網上搜索進入。
2、其次在主頁上找到搜索框，輸入想要觀看的內容。
3、然后點擊搜索按鈕，等待搜索結果出現。
4、最后選擇要觀看的視頻，點擊即可觀看YouTube網頁版。
最近在看王喆的知乎專欄，第三、四、十三篇都是Youtube的經典論文DNN：買粉絲s://zhuanlan.hu.買粉絲/p/52169807 買粉絲s://zhuanlan.hu.買粉絲/p/52504407 買粉絲s://zhuanlan.hu.買粉絲/p/61827629
跟著大佬又回顧了一下，發現之前真的只能算是一知半解，趁著這次把對這篇論文的新的理解記錄一下，可能還會有一些錯誤。
論文講解了在召回和精排兩個階段的模型：
召回：
先從特征說起：用戶觀看過的買粉絲的embedding，用戶搜索詞的embedding，用戶的地理位置、年齡等side_infomation，還有exampl_age這個需要解釋的特征
然后是模型：三層DNN
最后是training的loss：softmax做分類
serving的方式：nearest neighbor
里面其實有很多疑點：
1.example_age是什么
這個點專欄里說是訓練時間 - 得到這條樣本的時間（視頻點擊時間），但是我覺得這樣表達不出“新視頻”這個概念，也不知道用當前時間去減是啥意思，label是點擊那一刻打上去的，又不是訓練的時候；
所以我覺得這個example age應該是點擊時間-上架時間，表示用戶對新上架視頻的偏好，用這個特征去捕獲這個偏好了，在serve的時候全都置為0就可以消除這個偏好，畢竟這是召回階段，可以多召回些東西。（這樣就是消除用戶對新視頻的偏好了？）
2.為什么要做多分類，而不是預測分，多分類的話有海量視頻，性能怎么保證
為什么要做多分類，而不是把樣本的embedding也給到網絡里做打分，這一點我是真的沒弄明白；
海量視頻的多分類性能的提升是用到了sampled softmax，可以參考買粉絲://買粉絲.4k8k.xyz/article/Kaiyuan_sjtu/119881236 買粉絲s://zhuanlan.hu.買粉絲/p/349908071 總的來說就是通過Q(y|x)采樣出一個子集，對子集計算logits，然后用計算結果F(x,y)-log(Q(y|x))可以表示原數據集上的logits
3.serving階段為什么不做多分類了，而是做nearest neighbor
這里首先要弄明白serving階段的user embedding和買粉絲 embedding是什么，user_embedding是最后一層relu之后的結果，比如是一個d維的向量；然后要得到一個幾百萬維(用d_N表示)的向量，需要過一個d*d_N維的矩陣，這個矩陣的每一列訓練完之后就是買粉絲 embedding；如果是serving的階段依然是和每一列相乘，再算一個softmax，既然分母是一樣的，取指數的操作也是一樣的，那么就直接做點積就好了。
排序：
先從特征說起：當前排序的買粉絲的embedding，用戶觀看過的買粉絲的embedding，用戶和買粉絲的語言embedding，time since last watch是自上次觀看同channel視頻的時間，previous impressions是該視頻已經被曝光給該用戶的次數（這里已經引入了負反饋的思路）
然后是模型：三層DNN
最后是training的loss：weighted logistic
serving的方式：e^(Wx+b)
這里面也有一些疑點：
1.training時候的weighted logistic是什么，為什么serving的時候用的是e^(Wx+b)
這個點是我重讀的時候最沒理解的地方，先嘗試寫一下，這里首先要搞清楚weighted logitstic是什么，那先回顧一下LR的公式的由來是log(odds) = w*x；這里的odds=p/(1-p)表示正樣本發生的概率/負樣本發生的概率；在weighted LR里面這個odds要變成W*p/(1-p)這里的W就是給正樣本加的權重，至于為什么是這樣有一種解釋是用正負樣本比去解釋的，我覺得不是很合理 買粉絲s://zhuanlan.hu.買粉絲/p/435912211；但是如果能夠接受這個odds的話，那么log(odds) = w*x就可以得到odds = e^(wx)，后者就是serving的目標；
再說W*p/(1-p)是什么，這里W權重是這條視頻的時長T，那么sum(Ti*pi)就是E(T)即時長的期望，E(T)/(1-p)泰勒展開就是E(T)*(1+p)這里的p很小的話其實就是E(T)也就是說serving的時候其實得到的就是觀看時長的期望，這里如果用到電商里用price去加權，得到的應該也是對price的預估。
第一：豆丁和道客巴巴不是全球最大。
第二：豆丁和道客巴巴不是文檔分享。
第三：豆丁和道客巴巴不能自由交換文檔。
第四：豆丁和道客巴巴不提供有一切價值的文檔。
第五：豆丁和道客巴巴就是垃圾網站。
第六：注冊【萬成文庫】下載文檔全部免費，【萬成文庫】的文檔下載只需要2點：1你注冊了這個網站。2你的電腦可以聯網。【萬成文庫】官方自己掏錢給你下載文檔然后再傳給你。天下沒有免費的午餐，代價就是你注冊一個會員。注冊會員不收錢，和注冊163郵箱一樣簡單。
第七：你也可以去關注黑光計劃的網頁，我們也在計劃分享全世界的書籍，目前已經分享50萬本。全部是云盤鏈接，直接下載。為了那些需要資料的人，我們是無償為你們服務，如果要問我我從中得到了什么好處，我得到的是 快樂。
新浪共享資料
新浪愛問提供文件的上傳，下載，支持所有格式，最大50m
云軒閣
云軒閣小說電子書網,提供最新最全的小說電子書下載.
派派
免費提供TXT格式小說下載、交流和評論的小說論壇
百度文庫
用戶可以在線閱讀和下載涉及課件、習題、考試題庫、論文報告、專業資料、各類公文模板、法律文件、文學小說等多個領域的資料。平臺上所累積的文檔，均來自熱心用戶的積極上傳。“百度” 自身不編輯或修改用戶上傳的文檔內容。用戶通過上傳文檔，可以獲得平臺虛擬的積分獎勵，用于下載自己需要的文檔。下載文檔需要登錄，免費文檔可以登錄后下載，對于上傳用戶已標價了的文檔，則下載時需要付出虛擬積分。
云端
云端官方論壇 -用戶交流、資源分享的社區，您分享使用中的小技巧和心得體會，也可以對云端的界面、操作、功能等的想法建議和新點子
豆丁(DocIn)
全球優秀的C2C文檔銷售與分享社區。
豆丁允許用戶上傳包括 .pdf, .doc, .ppt, .txt 在內的數十種格式的文檔文件，并以Flash Player的形式在網頁中直接展示給讀者。簡而言之，豆丁就如同文檔版的Youtube。現在每天都有數以萬計的文檔會上傳到豆丁，正基于此，豆丁將致力構建全球最大的中文圖書館
阿巴達小說下載網
阿巴達小說下載網是專業的TXT小說下載，TXT電子書下載，手機小說下載網站。每日更新最新，最熱門小說的TXT電子書免費下載。
今天來給大家分享一些“不為人知”的網站，幫我打開了新世界的大門，有來自森林的治愈原聲，有來自全球的各種美景……特別是美景和電臺，真的很治愈！一起來看看吧：
森林電臺Tree.fm （買粉絲.tree.fm）是一個充斥著來自世界各地真實森林的聲音的網站，這些聲音在播放的同時會顯示它們被錄制地點的全屏照片。
點擊播放，你就會被送到馬達加斯加去聽狐猴的聲音，或者被送到加納聽一些平靜的水流，或者被送到俄羅斯，在那里，一只我從來沒有聽說過的鳥進行了一場聲樂表演……極具沉浸感的實景圖片配合真實采集來的原始聲音，會有一種擁抱大自然的感覺，讓人心曠神怡！
網頁鏈接
AirPano這是一個俄羅斯團隊做的網站，這是一個足不出戶就能看遍全球風景的神器網站，網站不僅提供各個角度的360°全景圖，還有360°視頻版本，滿足你游覽大川大河的夢想~
360度全景視角風景，上面的圖片像素非常大并且相當清晰,可以做360度全景鳥瞰,還配有相應地區風情的輕音樂。
日出日落，街景夜景，航拍，街拍……點開每個景點，還配有符合城市景點特色的音樂，真的會讓人恍惚有環游世界的錯覺。
更貼心的是，網站可以轉換成各種語言，每一張都是高清大片，隨便截一張都能當壁紙。暫時沒錢出國的，在網站上遛一圈也是非常美妙的體驗哦~
網頁鏈接
花火花火是質量非常高的一個動態圖表制作網站，如果你經常跟Excel打交道，那花火可以輕松為你做出各類精美的動態圖表。不管是學生還是上班族，在PPT里放上用花火制作出的表格，一定能給你的PPT增光添彩~
花火提供10種動態圖表模板，包括動態條形圖、動態排名圖、動態柱狀圖、動態瀑布圖等。不管你想演示什么效果，里面都能有一款模板為你準備~
網頁鏈接
EDXEDX是一個由麻省理工學院和哈佛大學在2012年聯合創辦的大規模開放在線課堂。它免費給大眾提供大學教育水平的在線課堂，網站是以非盈利組織來運營的。
雖然學習是免費的，但是一個課程學習完成，認證卻是需要收費的。EDX目前已經由超過160所大學加入，包括了國內的清華大學和北京大學。
網頁鏈接
分享到這里就結束啦~希望可以幫助到你！
Google這個公司現在已經是“家大業大”了，他們總是隔三岔五地推出一些新鮮的服務，讓業界跟著也興奮一把。不過歷年來Google所發展出來的服務和軟件實在太多了，究竟他們已經有了什么服務？現在就來看看吧。
Add to Google
這是一個提供網頁信息的站點，主要的功能是把自己的主頁介紹給Google讓他收錄，而時間上較長，起碼一兩個月才會被Google收錄，但是一旦收了你的主頁，知名度會更快地上升。
Blogger
Google提供的Blog服務，現在已經有中文版本了，大家可以上去安個家，把地址寫到本文評論讓大家去瀏覽。
Froogle
這是一個專業的引擎，可以輸入你想要購買的東西，然后得到符合關鍵詞