1樓：孫大波
Ekiden算是可以進行訓練神經網路的的區塊鏈專案。原理簡單的來說，就是一些節點執行可信硬體的方式來訓練資料，可信硬體是一模擬較專業的裝置，例如 Intel SGX。這類專案的想法都是訓練放在鏈下，再用密碼學來保證資料、結果的真實性。
Ekiden 專案是由 Down Song 宋曉東主導的，最近一直沒有什麼進展， GitHub 也有一陣子沒有更新了，不知道是不是在醞釀什麼。
2樓：李明陽
訓練神經網路需要海量資料，並且難以驗證。
PoW演算法的乙個要求就是難以計算但是容易驗證，並且對乙個確定的區塊，PoW的解是確定的。
這個容易驗證有很多方面，以位元幣的SHA-256為例：
可以在計算能力極低的手機上驗證
只需要得到80位元組的區塊頭部即可
驗證過程中需要的記憶體極少，都不到1k
驗證過程不需要額外的資料
這些要求可以說非常苛刻，神經網路在驗證運算複雜度，儲存空間等等方面都不可行。
甚至，神經網路訓練的結果一般不是全域性最優的，而是區域性最優，你都無法保證會不會在幾天後冒出個更好的解而造成分叉或重構。
3樓：艾利克練
之前看過乙個說法，為什麼虛擬貨幣要計算看起來無意義資料？
因為好驗證啊。（比如說數雜湊值的校驗規律
如果是計算一些學科的運算的話，驗證起來就比較麻煩了。
卷積神經網路和BP神經網路的關係？
乙個維度的BP神經網路就相當於CNN中的全連線了，無非是多幾個全連線，CNN是二維，二維如果搞成全連線就導致運算量巨大，所以有了權重共享，大大減少了運算量，CNN卷積的思想肯定也源於BP神經網路就，在影象上做二維卷積的CNN發出炫目的光芒下，BP神經網路就已經快被人們遺忘了，但是不管CNN再怎麼發展...
RNN神經網路訓練過程中weight幾乎不更新，只有bias更新？
大多萌萌噠 把梯度截斷的c的值增大吧，或者修改啟用函式。一般用ReLU函式的話不會出現這個問題啊。而且你權重初始化是怎麼初始化的？單位矩陣還是隨機值？ 其實不太懂RNN，路過問一下 啟用函式用的是啥，relu？這個網路用來做什麼的，輸入輸出是什麼樣子的，數值範圍？感覺像是normalization或...
訓練神經網路所需要的gpu是什麼意思？
智星雲服務 圖形處理器是一種專門在個人電腦 工作站 遊戲機和一些移動裝置上執行繪圖運算工作的微處理器。神經網路設計到大量的矩陣運算，GPU在這個方面很有優勢，筆記本上的GPU如果低於2G視訊記憶體，或者過於老舊的GPU型號都是沒有辦法訓練神經網路的，即使6G視訊記憶體對於大型網路和中大型資料集來說也...