机器学习

算法与编程之美

PyTorch中torch.flatten()函数的用法1 问题在编写神经网络数据从输入层前向传播到输出层的函数时，使用了torch.flatten()函数，但是torch.flatten()函数的各个参数的含义是什么以及怎么用呢？

IVFFlat 与 HNSW 算法介绍与对比一核心概念与适用场景IVFFlat（Inverted File with Flat）基于K‑means 聚类将向量空间划分为多个簇（列表/桶），为每个簇维护倒排列表；查询时先找最近的若干簇，再在簇内做暴力精确距离计算（Flat 表示不压缩）。适合对召回精度较高、内存较充足、数据相对静态的场景。其优点是索引结构简单、可解释，缺点是需要训练、对数据分布变化敏感、频繁更新后可能需要重建索引。典型应用包括高精图像对比、需要可控召回的业务。

从硬件极限到算法补偿：构建微米级工件特征“在机测量”闭环系统的技术路径解析摘要在“工业4.0”与智能制造深化的背景下，工件的在机测量（On-Machine Measurement, OMM）正逐步取代传统的离线三坐标检测，成为缩短工艺节拍、实现自适应加工的核心环节。然而，OMM系统面临着非控制环境下的复杂干扰，主要体现为机床轴系的几何运动误差与传感器受物面形态影响产生的非线性光电误差。本文基于Legendre多项式误差建模理论与现代高频激光传感技术，深入剖析了制约在机测量精度的物理与数学因素，结合泓川科技（Chuantec）LTP系列高速激光位移传感器在工程实践中的验证数据，

AI大模型入门到实战系列（十八）微调模型实现分类这里我们加载了"rotten_tomatoes"数据集，该数据集用于电影评论情感分类，包含正面和负面评论。

2025年-波澜壮阔的AI大模型科技盛宴目录一、前序：从“智能涌现”到“深度融入”的变革之年二、技术突破：从规模竞赛到范式创新1 可验证奖励强化学习（RLVR）引领推理新浪潮

SD稳定扩散模型理论基础的探索Stable Diffusion是潜扩散模型的一个杰出代表，是目前多模态LLM的基础。这里系统梳理Stable Diffusion模型的理论基础DDPM，并重点推导其扩散公式。

【Python机器学习】支持向量机(SVM)完全指南：从理论到实践的深度探索目录第一章引言第二章支持向量机的基础理论与几何直觉2.1 分类问题的几何视角2.2 最大间隔的数学表述

[算法设计与分析-从入门到入土] 递归知乎：https://www.zhihu.com/people/byzh_rcCSDN：https://blog.csdn.net/qq_54636039

【Python机器学习】决策树与随机森林：解释性与鲁棒性的平衡目录第一章引言第二章决策树的基础原理与分裂机制第三章信息增益、基尼不纯度与节点分裂标准第四章过拟合问题与剪枝策略

pythonstudy Day44@疏锦行

戴西软件AICrash：基于机器学习的行人保护仿真新范式AICrash行人保护模块是戴西基于人工智能算法和行人保护法规开发出来的快速行人保护评价的解决方案。通过机器学习的算法优化和大数据模型的训练，可以得到更加快速、便捷和可靠的分析手段。

机器学习--集成学习之随机森林&贝叶斯算法集成学习就是将多个基学习器进行组合，来实现比单一学习器显著优越的学习性能.bagging方法:典型的是随机森林

Adobe 把 Photoshop 搬进了 ChatGPT，免费的万物皆可 AI。Adobe 出手了。这一次，直接把旗下三款王牌产品塞进了 ChatGPT。Photoshop、Express 和 Acrobat。

～央千澈～

人工智能AI算法推荐之番茄算法推荐证实其算法推荐规则技术解析·卓伊凡人工智能AI算法推荐之番茄算法推荐证实其算法推荐规则技术解析·卓伊凡说明：我讲的是“正式推荐期的技术推荐规则”（系统层如何做决策），不冒充番茄内部阈值。你可以用它来解释：为什么同题材有人爆量、有人断粮；为什么一段时间猛推后又冷；为什么“明明数据不差”却推不开。

拉拉拉拉拉拉拉马

感知机（Perceptron）算法详解感知机的目标是学习一个线性判别函数，将两类样本正确分开。感知机的判别函数为：对于样本 ((x_i, y_i))：

橙汁味的风

3机器学习3步走框架单点误差计算：总体误差汇总：误差曲面：这一步是求解。我们定义了目标是“最小化 Loss”，即 w∗,b∗=arg⁡min⁡w,bLw^*, b^* = \arg \min_{w,b} Lw∗,b∗=argminw,bL。怎么找呢？这里介绍最著名的算法：梯度下降。

模型训练篇几何变换：随机旋转（±15°）、平移（±10%）、缩放（0.8-1.2 倍）。像素级增强：颜色抖动（Hue ±5, Saturation ±15%）、高斯模糊（σ=0.5）。

AI编译器实战：从零手写算子融合与自动调度系统摘要：本文将撕开AI编译器的神秘面纱，从零手写一个支持算子融合、自动调度、循环优化的深度学习编译引擎。不同于调用TVM/MLIR的API，我们将完整实现Halide风格的调度原语、polyhedral模型、自动 tiling&vectorization 等核心机制。完整代码涵盖计算图构建、调度树变换、LLVM IR代码生成等模块，实测在ARM Cortex-A78上实现3x3卷积提速4.7倍，内存占用减少62%，并提供从PyTorch模型到.so库的端到端编译方案。

如果你想拥有什么先让自己配得上拥有

数学思想和数学思维分别都有什么？数学思想和数学思维是数学学习与应用的核心，二者相互关联但侧重不同：数学思想是对数学规律的本质提炼，是解决问题的“指导思想”；数学思维是运用数学知识分析、解决问题的“思维方式与能力”。

Adaboost (Adaptive Boosting)：错题本上的逆袭图解说明：机器学习界的一位“励志大师”——Adaboost。它的全称是 Adaptive Boosting（自适应增强）。听起来很技术流，但它的核心思想其实就是我们学生时代最熟悉的战术：“刷错题”。