深度学习

⭐ 深度学习入门体系（第 7 篇）：什么是损失函数？在深度学习训练流程里，你一定见过一句话：“模型要通过反向传播最小化损失函数。”但很多同学会疑惑：这篇文章会把这些问题讲透，用生活化类比帮你建立清晰的“直觉理解”，不用死记公式也能说清楚。

阿正的梦工坊

Kronecker积详解你好！今天我们来聊一个听起来有点高大上，但其实超级有趣的数学工具——Kronecker积（Kronecker Product）。它常出现在深度学习、量子计算、信号处理等领域，但别担心，这篇文章完全面向小白，我们用最通俗的语言、类比和例子一步步讲清楚。读完后，你会觉得它就像乐高积木一样简单好玩！

从 model(x) 到__call__：解密深度学习框架的设计基石在 PyTorch 或 TensorFlow 中构建神经网络时，你是否曾好奇过，为什么我们习惯使用 model(input) 进行前向传播，而不是直接调用 model.forward(input) 或 layer.call(input)？

基于深度学习的水稻病虫害检测系统博主介绍：java高级开发，从事互联网行业六年，熟悉各种主流语言，精通java、python、php、爬虫、web开发，已经做了多年的设计程序开发，开发过上千套设计程序，没有什么华丽的语言，只有实实在在的写点程序。

BERT中的padding操作BERT的数据必须要经过padding操作。这是深度学习中处理批量数据的一个基本要求，同时BERT有一些特殊原因。

滴啦嘟啦哒

【机械臂】【基本驱动】二、在gazebo中实现机械臂运动学逆解及物体夹取临近本科毕业，考虑到未来读研的方向以及自己的兴趣方向，我选择的课题大致为“基于VLA结构的指令驱动式机械臂仿真系统的实现”。

图像分割-深度学习-FCN模型简介：FCN图像分割的开山之作，全卷积化网络，模型由卷积层、池化层组成（没有全连接层），可以接受任意大小的输入。通过特征提取网络得到（_,512,7,7）的深层特征后恢复到原始尺寸的分割预测效果。作者对比三种结构，FCN32s、FCN16s、FCN8s FCN-32s: 直接上采样32倍 FCN-16s: 融合1次跳跃连接 + 上采样16倍 FCN-8s: 融合2次跳跃连接 + 上采样8倍

基于深度学习的摔倒检测系统博主介绍：java高级开发，从事互联网行业六年，熟悉各种主流语言，精通java、python、php、爬虫、web开发，已经做了多年的设计程序开发，开发过上千套设计程序，没有什么华丽的语言，只有实实在在的写点程序。

基于深度学习的蘑菇种类识别系统的设计与实现（源码+论文+部署+安装）野生蘑菇种类繁多（已知超 10 万种），但毒蘑菇与可食用蘑菇外观相似，肉眼难区分，误食事件频发（如 2024 年某乡村 10 余人误食剧毒鹅膏菌中毒，3 人死亡），严重威胁生命健康。传统识别方法依赖专业人员形态学判断或民间经验，存在门槛高、准确性差的弊端，无法满足大众准确识别需求。在此背景下，开发基于深度学习的蘑菇种类识别系统，以解决蘑菇识别难题、保障食品安全、助力相关科研与产业发展成为迫切需求。

AAAI 2026 | 图基础模型(GFM)&文本属性图(TAG)高分论文AAAI 2026将在2026年1月20日到1月27日于新加坡（Singapore）举行。AAAI 2026会议主会共有23, 680篇论文投稿，其中4, 167 篇被接收，接收率为17.6%。

Day 53 对抗生成网络 (GAN) 实战GAN（Generative Adversarial Network，对抗生成网络）是一种强大的生成模型，由 Ian Goodfellow 于 2014 年提出。它的核心思想是通过两个神经网络的对抗博弈来生成逼真的数据。

表示/嵌入差异-7-间隔/边际对齐（Alignment Margin）Alignment Margin，是一个广泛用于嵌入对齐 / 度量学习（metric learning）的关键思想 —— 在优化目标中引入一个 margin 参数（间隔），用于约束正例与负例之间的距离或相似度，从而提升表示的判别性与对齐质量。

三个经典卷积网络 + 1×1卷积（吴恩达深度学习笔记）目录1.LeNet-5（1）介绍（2）特点2.AlexNet（1）介绍（2）特点3.VGGNet（VGG-16）

用modelscope运行grounding dino参考grounding-dino-tiny · 模型库不支持中文，试过了想让它识别点赞和收藏按钮识别不出来，效果很拉

SelfAttenion自注意力机制考虑别的token对当前token的语义影响输入x= [4x6]dk=3wq = [6x3]wk = [6x3]

哥布林学者

吴恩达深度学习课程四：计算机视觉第四周：卷积网络应用课后习题和代码实践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：本篇为第四课第四周的课后习题和代码实践部分。

主流深度学习目标检测模型性能对比表测试基准：基于 COCO 2017 数据集，硬件参考 NVIDIA Tesla V100 GPU，输入尺寸默认模型标准配置（如 640×640），指标仅供选型参考（实际性能受骨干网络、训练策略、硬件影响）。

路人与大师

大规模多变量AutoML调参实验报告实验日期: 2025-12-31 实验时长: 05:23 - 07:49 (约2.5小时)传统的股票预测模型通常仅使用收盘价单一特征，忽略了金融市场中丰富的多维信息。本实验旨在构建一个综合性的多变量特征工程系统，结合大规模超参数搜索，寻找最优的预测模型配置。

深度学习破解复杂验证码：CNN实战指南验证码（CAPTCHA）诞生于2000年，最初设计目的是区分人类与机器人。从简单的扭曲字母到如今的滑块拼图、点击文字、行为轨迹验证，验证码的复杂度不断升级。但这场"猫鼠游戏"在2012年迎来转折点——深度学习技术突破后，计算机开始具备近似人类的图像识别能力。

人工智能培训

深度学习—卷积神经网络（4）局部连接卷积—对比