深度学习

深度学习基础复健来自《神经网络与深度学习》Neural Networks and Deep Learninghttps://nndl.github.io/ 邱锡鹏 xpqiu@fudan.

2026年科研AI工具深度测评（一）：文献调研与综述生成领域，维普科创助手领跑学术严谨性在AI大模型席卷全球的2026年，科研工作者迎来了工具层面的深刻变革。从文献检索到综述撰写，AI正在重塑整个学术流程。然而，面对通用大模型（如ChatGPT、Grok、DeepSeek等）在学术场景中频繁出现的“幻觉”问题（虚假引用、编造参考文献、逻辑偏差），一款真正基于版权学术数据库、强调可信与溯源的专用科研AI工具显得尤为珍贵。

爱吃泡芙的小白白

神经网络压缩实战指南：让大模型“瘦身”跑得更快在人工智能应用遍地开花的今天，动辄数百MB甚至数GB的神经网络模型已成为部署到移动端、边缘设备的“甜蜜负担”。模型压缩技术，作为连接前沿AI研究与产业落地的关键桥梁，正受到学术界与工业界的空前关注。本文将基于最新的技术调研，为你系统梳理量化、蒸馏、剪枝等核心技术的原理与进展，并结合移动端、NLP、工业视觉等典型场景的实战案例，提供一份从理论到实践的压缩技术全景指南。无论你是希望优化手机APP体验的开发者，还是致力于在边缘设备部署大模型的研究者，本文都将为你指明方向。

深度学习 SOP: conda通过命令快速构建指定版本tensorflow gpu环境。在深度学习环境配置中，尤其是TensorFlow的GPU环境，对各个依赖的版本非常苛刻，本文旨在探索一种持续可用的SOP，方便配置任何版本的TensorFlowGPU环境。

即插即用系列 | AAAI 2026 WaveFormer: 当视觉建模遇上波动方程，频率-时间解耦的新SOTA论文题目：WaveFormer: Frequency-Time Decoupled Vision Modeling with Wave Equation

逄逄不是胖胖

《动手学深度学习》-55-2RNN的简单实现

人工智能之核心技术深度学习第四章循环神经网络（RNN）与序列模型第四章循环神经网络（RNN）与序列模型如果说 CNN 是处理空间结构（如图像）的利器，那么 RNN（Recurrent Neural Network）就是专为时间序列/顺序数据设计的深度学习模型。它在自然语言处理（NLP）、语音识别、时间序列预测等领域扮演着核心角色。

YOLO26 改进 | 训练策略 | 知识蒸馏 (Response + Feature + Relation)这篇文章给大家带来的是 YOLO26 知识蒸馏 (Knowledge Distillation) 的终极实战教程。我们将演示如何利用一个参数量更大的 YOLO26-M (Teacher) 模型来指导参数量较小的 YOLO26-N (Student) 模型进行训练。

美狐美颜sdk

抖动特效在直播美颜sdk中的实现方式与优化思路在直播行业高度同质化的今天，“清晰不卡”早已只是及格线，真正能让用户留下来的，往往是那些让画面“动起来”的细节体验。

异步推理架构：CPU-NPU流水线设计与并发效率提升在构建DeepSeek高性能推理服务时，我们往往将目光聚焦在昂贵的昇腾NPU算力上，却忽视了CPU在整个推理链路中的关键角色。实测数据显示，在未经优化的推理服务中，CPU与NPU的串行等待可能导致30%以上的算力浪费。

哥布林学者

吴恩达深度学习课程五：自然语言处理第三周：序列模型与注意力机制（一）seq2seq 模型此分类用于记录吴恩达深度学习课程的学习笔记。课程相关信息链接如下：本篇为第五课第三周的内容，3.1和3.6的内容。

WSL迁移至非系统盘WSL 跨文件系统（即从 WSL 内部访问 /mnt/d/ 下的文件）读写性能确实较差，这会显著拖慢深度学习数据加载（Dataloader）的速度。可以选择将 WSL 发行版迁移到 D 盘，并将代码和数据移入 WSL 的文件系统内部（例如 /home/user/project）。

绕过艺术：使用 GANs 对抗 Web 防火墙（WAF）⚠️ 免责声明本文仅用于网络安全技术交流与学术研究。文中涉及的技术、代码和工具仅供安全从业者在获得合法授权的测试环境中使用。任何未经授权的攻击行为均属违法，读者需自行承担因不当使用本文内容而产生的一切法律责任。技术无罪，请将其用于正途。

YOLO26 蒸馏改进全攻略：从理论到实战 (Response + Feature + Relation)在深度学习落地应用中，我们常常需要在“高精度的大模型”和“高效率的小模型”之间做权衡。知识蒸馏 (Knowledge Distillation, KD) 技术打破了这一僵局：它允许我们训练一个轻量级的学生模型 (Student Model)，通过模仿一个强大的教师模型 (Teacher Model) 的行为，从而在保持低计算成本的同时，获得接近大模型的性能。

【DL】卷积神经网络卷积其实是一种数学运算，常用于信号处理和图像处理领域。它的基本思想是将一个函数与另一个函数进行点积，并通过滑动窗口的方式计算整个输入数据的值。一维卷积的数学表示如下：

逄逄不是胖胖

《动手学深度学习》-55-1RNN的复杂实现可以看出结果可以正常输出，但是由于网络没有很好训练，所以结果几乎是乱猜

数值特征标准化StandardScaler和类别不平衡SMOTE标准差是衡量数据集中数值分散程度或变异程度的一个重要指标，标准差越大，表示数据点越分散；标准差越小，表示数据点越集中（方差是标准差的平方）

软件算法开发

基于卷尾猴优化的LSTM深度学习网络模型(CSA-LSTM)的一维时间序列预测算法matlab仿真目录1.程序功能描述2.测试软件版本以及运行结果展示3.部分程序4.算法理论概述CSA优化原理LSTM网络原理

知识图谱如何在制造业实际落地应用知识图谱如何在制造业实际落地应用一、制造业知识图谱的核心特点二、典型落地应用场景三、落地实施五步法四、技术栈推荐五、挑战与应对六、未来趋势

逄逄不是胖胖

《动手学深度学习》-56门控循环单元GRU标准 RNN（Recurrent Neural Network）存在一个致命缺陷：无法捕捉长距离依赖（Long-term Dependencies）。