Hash 理解神经网络的vowpal wabbit中的可读_模型和反转_散列

我试图绘制一张权重图，沃帕尔·瓦比特（vowpal wabbit）已经学会了更好地理解体系结构，并且对正在发生的事情感到非常困惑。我不明白vowpal wabbit给出的所有权重在结构中的位置

我的数据：

$ cat dat1.vw 
1 | a b
2 | a c

当使用2个节点执行神经网络时：

vw --nn 2 --invert_hash dat.nn2.ih --readable_model dat.nn2.rm dat1.vw

它为dat.nn2.ih和dat.nn2.rm提供了一些信息，如最大值、最小值、校验和等，权重如下：

From dat.nn2.ih（From--invert_hash）：

和来自dat.nn2.rm（--可读_模型）：

29015:-0.3161#？
29016:-0.302343             # [1] ?
108232:-0.270493#a（从输入“a”到隐藏节点0）
108233:0.214776#a[1]（从输入“a”到隐藏节点1）
129036:-0.0849519#b（从输入“b”到隐藏节点0）
129037:0.0473027#b[1]（从输入“b”到隐藏节点1）
156909:-0.479347            # [2] ?
156910:0.394566#不在.ih文件中？
156911:0.69414#不在.ih文件中？
202096:-0.270493#常数（隐藏节点0的偏差）
202097:0.214776#常数[1]（隐藏节点1的偏差）
219516:-0.196927#c（从输入“c”到隐藏节点0）
219517:0.172029#c[1]（从输入“c”到隐藏节点1）

所以，我可以理解a，a[1]，b，b[1]，c，c[1]，常数，常数[1]，但我无法理解其余的散列是用来做什么的

根据我的理解，应该还有3个权重/哈希： -从隐藏节点0到输出节点 -从隐藏节点1到输出节点 -输出节点偏置

但是我看到一个

，

[1]

，

[2]

和两个散列，它们在.rm中，但不在.ih中。这些权重究竟代表什么

:29015:-0.3161
Constant:202096:-0.270493
Constant[1]:202097:0.214776
[1]:29016:-0.302343
[2]:156909:-0.479347
a:108232:-0.270493
a[1]:108233:0.214776
b:129036:-0.0849519
b[1]:129037:0.0473027
c:219516:-0.196927
c[1]:219517:0.172029

29015:-0.3161               # <blank> ?
29016:-0.302343             # [1] ?
108232:-0.270493            # a (from input "a" to hidden node 0)
108233:0.214776             # a[1] (from input "a" to hidden node 1)
129036:-0.0849519           # b (from input "b" to hidden node 0)
129037:0.0473027            # b[1] (from input "b" to hidden node 1)
156909:-0.479347            # [2] ?
156910:0.394566             # <nonexistent> not there in .ih file ?
156911:0.69414              # <nonexistent> not there in .ih file ?
202096:-0.270493            # Constant (bias for hidden node 0)
202097:0.214776             # Constant[1] (bias for hidden node 1)
219516:-0.196927            # c (from input "c" to hidden node 0)
219517:0.172029             # c[1] (from input "c" to hidden node 1)