深度学习

深度学习的数学原理（三十）—— Transformer的子层连接：残差+层归一化在本专栏之前的文章中，我们已经完整拆解了Transformer的核心——注意力机制的全谱系：从缩放点积注意力的数学本质，到多头注意力的多语义建模，再到掩码注意力、交叉注意力，最终完成了QKV来源所有合法组合的讨论。

深度学习(6)softmax回归、损失函数、分类① Softmax回归虽然它的名字是回归，其实它是一个分类问题。分类时，我们不关系实际的值，我们关心的是能不能对正确的类的置信度特别大，比如将正确的类的置信度写成Oy,那么要远远大于其他非正确类的Oy，也就是二者相减大于一个阈值。

LTX-Video 2.3 实战：用图片生成视频，消费级显卡也能跑的开源 I2V 模型（GPT Image 2）写在前面（2026.04）：LTX-Video 2.3（简称 LTX-2.3）是 Lightricks 在 2026 年 3 月发布的最新开源视频生成模型，22B 参数，基于 DiT 架构，最大亮点是 Image-to-Video（I2V）能力的大幅提升——相比上一代，Ken Burns 伪影明显减少，人物运动更自然，提示词理解更精准。更重要的是：消费级显卡（12GB VRAM 起步）就能跑，完全本地，完全开源，MIT 协议。这篇带你从安装到出片，把整个 I2V 工作流跑通。

薛定谔的猫369

DeepSeek-V3 模型架构与训练技术深度解析随着大规模语言模型（LLM）技术的飞速发展，DeepSeek-V3 作为国产大模型领域的领军者，凭借其卓越的性能和极高的训练效率引起了广泛关注。本文旨在深入剖析 DeepSeek-V3 的底层架构设计，重点解析其如何通过优化混合专家模型（MoE）和创新性的训练策略，实现性能与成本的平衡。

碧海银沙音频科技研究院

BES2800BP_nuttx编译环境搭建方法1BES2800BP_nuttx编译环境搭建方法0开发环境搭建指令1： sudo apt install bison flex gettext texinfo libncurses5-dev libncursesw5-dev xxd git gperf automake libtool pkg-config build-essential gperf genromfs

dirving transformer详读由于时代变了，几年前学习bevformer的时候自己的笔记查阅的资料 AI的问答还有后续补充更新杂乱在一起，导致自己写的东西几年后再看也不读不进去了写的太乱了

自动驾驶小学生

Transformer和LLM前沿内容（4）：Long-Context LLM

深度学习的数学原理（三十一）—— Transformer前馈网络FFN（为什么要先升维再降维）在本专栏之前的文章中，我们已经完整拆解了Transformer的核心骨架——注意力机制全谱系与子层连接结构：从缩放点积注意力的数学本质，到多头注意力的多语义建模，再到残差+层归一化的深层稳定训练保障。

栀栀栀栀栀栀

基于深度学习的自然语言处理和语音识别阅读笔记语音识别的目标是实现语音信号与文本的相互转换，而自然语言处理的目标是理解文本的内涵，二者相辅相成。语言复杂性使计算方法变得越来越困难。然而，随着深度学习的到来，计算方法从基于规则的方法转变为直接从数据学习。为人机交互开辟了新途径。

深度学习 —— RNN循环神经网络，一般以序列数据为输入，通过网络内部的结构有效捕捉1.句子中的词全部处理完2.循环次数达到我们的要求

解锁 Python 实用编程技巧：线程、视觉识别、正则匹配与装饰器实战在 Python 编程的世界里，掌握多样化的编程技巧和库的使用方法，是提升开发效率、实现复杂功能的关键。本文将从实际应用场景出发，拆解四个实用的 Python 代码案例，分别讲解多线程编程、基于 OpenCV 的颜色识别、正则表达式的字符串筛选，以及装饰器实现 “三进一” 触发逻辑的核心思路与实操细节，帮助开发者将这些技巧落地到实际项目中。

【Agent】基于Langchain的Agent数据库查询助手如不使用本地运行，可调用LLM云端API。.env文件用于调用云端API，如何使用本地模型，这个文件里的内容可只增加langchain的监控助手API，即LANGCHAIN_API_KEY和LANGCHAIN_PROJECT对应的内容。

Day02-13.张量的拼接操作torch.cat()函数可以将多个张量根据指定的维度拼接起来，不改变维度数。torch.stack()函数会在一个新的维度上连接一系列张量，这会增加一个新维度，并且所有输入张量的形状必须完全相同。

DeepLabv3+：融合空洞可分离卷积的编码器-解码器语义分割架构这篇论文把空间金字塔池化和编码器-解码器结构的优势焊死在一起，在DeepLabv3基础上加了极简解码器，同时用深度可分离卷积把速度和精度拉满，在PASCAL VOC 2012和Cityscapes两个数据集刷到SOTA，是语义分割领域兼顾精度与速度的里程碑工作。

PyTorch强化学习实战（3）——Gymnasium API扩展功能我们已经学习了编写智能体必需的 Gymnasium 核心功能，其余 API 功能部分虽然非必需，但能显著提升开发效率和代码整洁度。接下来，我们简要地介绍一下 Gymnasium API 的扩展功能。

3.【Prompt工程实战】如何设计一个可复用的Prompt系统？（避免每次手写提示词）很多人做AI系统时，Prompt都是这样写的：问题来了：👉 最后你会得到一个**“Prompt垃圾场”**

transformer超参数配置（个人理解）含义：预测 logits 与真实类别标签之间的差异，是分类任务的标准损失函数。交叉熵计算公式注意：交叉熵损失和KL散度的区别

6.深度学习入门：神经网络是如何“思考”的？🧠 单个神经元就像一个小决策器：输入：x1, x2（比如温度、湿度）权重：w1, w2（重要性）偏置：b（基础阈值）激活函数：f（决定是否“兴奋”）

TensorDataset简介TensorDataset 是 PyTorch 中一个非常实用的工具类，它的核心作用是将多个张量（Tensor）打包成一个数据集。

毕胜客源码

卷积神经网络的农作物识别系统（有技术文档）深度学习图像识别卷积神经网络 Django python 人工智能深度学习框架：Pytorch编程语言：Python数据库：SQLite界面：后端Python Django，前端 Vue3