深度学习

CUDA索引越界问题（Compile with `TORCH_USE_CUDA_DSA` to enable device-side assertions）一年以来，主要从事了时空模型的研究。去年6月份发布了一篇文章也是关于CUDA索引越界问题的博客，只不过报错的信息不一样。这次是Compile with `TORCH_USE_CUDA_DSA` to enable device-side assertions。上网搜索了一下，发现有很多人遇到这样的问题。但是原因不一，让我意识到这个错误的复杂性。

这张生成的图像能检测吗

（论文速读）TCN：序列建模不一定需要 RNN论文题目：An Empirical Evaluation of Generic Convolutional and Recurrent Networks for Sequence Modeling（用于序列建模的通用卷积和循环网络的经验评价）

科学创新前沿

物理信息神经网络：从数据驱动到物理嵌入的科学计算新范式!重塑科学计算：PINN的降维打击！https://mp.weixin.qq.com/s/9kzj2coz_Zmw1xjPP5tIhA点击此链接查看详情！

一种病理学内容感知变速率学习图像压缩框架 (PathoLIC)/文献速递-多模态应用技术2026.3.27PathoLIC是一种针对全玻片图像（WSI）的内容感知变速率学习压缩框架，通过为图像块分配内容分数并利用注意力机制减少冗余，实现了8倍以上的压缩率，同时在多种下游诊断任务中保持了图像细节和性能。

人工智能培训

具身智能系统集成与计算效率优化路径探析具身智能作为连接人工智能与物理世界的核心载体，通过融合感知、决策、执行等多模块实现自主交互，其系统集成的合理性与计算效率的高低，直接决定了智能体在复杂场景中的落地能力。当前，具身智能正从实验室走向产业化应用，却面临系统集成碎片化、计算资源分配不合理、多模态数据处理滞后等问题，破解这些难题成为推动其规模化发展的关键。

这张生成的图像能检测吗

（论文速读）GINet：结合轴承语义的全局可解释卷积神经网络论文题目：A Globally Interpretable Convolutional Neural Network Combining Bearing Semantics for Bearing Fault Diagnosis（结合轴承语义的全局可解释卷积神经网络在轴承故障诊断中的应用）

一、大模型视频生成实战：Wan2.1 本地部署全记录前言：最近花了大量时间折腾 Wan2.1（阿里通义开源的视频生成模型），踩了无数坑，最终跑出了第一个视频。这篇博客把整个过程完整记录下来，包括踩的坑、解决方案、以及对实际可用性的客观评价。希望给想本地部署视频生成模型的同好一些参考。

读代码3：OLMo3全详解 - layer2--Data （上）arxiv:2 OLMo 2 Furious Olmo 3github:GitHub - allenai/OLMo-core: PyTorch building blocks for the OLMo ecosystem

春风化作秋雨

Transformer：颠覆AI的注意力革命Transformer 是 2017 年由 Google 在《Attention Is All You Need》中提出的深度学习架构，核心以自注意力机制（Self-Attention）为基础，摒弃了传统 RNN/CNN 的序列依赖式建模方式，通过并行计算和全局上下文建模，大幅提升了序列建模的效率和效果，成为 NLP、CV、多模态等领域的基础架构，BERT、GPT、ViT 等经典模型均基于 Transformer 衍生。

机器学习入门数据操作梯度下降算法特征值取值范围越接近，梯度下降越快所以我们将特征值约束到-1，1的范围内特征缩放学习率太大，收敛快，但是可能导致损失函数迭代后升高，学习率小，收敛太慢

陪你步步前行

关于dice, miou, loss计算的细节两种方式：特点：每个batch权重相同。 ----> 1. 如果data_loader的最后一个batch不满，那么这个batch对loss做出的贡献和其他满batch对loss做出的贡献是相同的。 2. 某些batch里有效像素/正样本特别少（比如很多 GT=0），但它仍占同等权重。

科学创新前沿

逆向设计新范式：深度学习驱动的声学超材料智能优化!深度学习赋能声学超材料：颠覆性逆向设计框架与2026前沿顶刊发文思路！https://mp.weixin.qq.com/s/-RbcX8JLL1G_vNiussqvjQ点击此链接查看详情！

LINEMOD 训练流程与实施细节本文面向当前仓库 /workspace/workflow/self/PVN3D，整理 LINEMOD 数据集在 PVN3D 中的训练流程、数据前提、目录要求、命令入口、检查项和常见问题。

ResNet 残差网络：迁移学习实现食物分类实战在计算机视觉领域，残差网络（ResNet）是解决深层网络训练难题的里程碑式模型，而迁移学习则让预训练的ResNet模型能快速适配各类自定义视觉任务，实现小数据集下的高精度建模。本文将从ResNet核心原理出发，结合完整的PyTorch代码实战，手把手教你将ResNet18迁移到食物分类任务中，让你既懂原理又能落地。

HyperAI超神经

数据集汇总丨英伟达/OpenAI及多所科研机构开源推理数据集，覆盖数学/全景空间/Wiki问答/科研任务/视觉常识等当大模型从「能说会写」迈向「能推理、会思考」，数据的重要性正在被重新定义。过去，海量通用语料支撑了语言模型的表达能力；而今天，真正决定模型上限的关隘，正在逐步过渡为结构清晰、逻辑严密、具备多步推演过程的推理数据。无论是复杂数学问题、跨领域知识问答，还是多步骤决策与工具调用能力，背后都离不开高质量推理数据集的支撑。

深度学习·GAN系列多样性降低，生成器倾向于生成特定分布的特征。判别器的网络损失满足1-L 连续性性质网络损失的增长是线性的。

这张生成的图像能检测吗

（论文速读，小白入门经典学习读物）基于DAE-BiLSTM的主传动轴轴承故障诊断方法论文题目：A DAE-BiLSTM-Based Fault Diagnosis Method for Principal Drive Shaft Bearings: A Case Study Using Case Western Reserve University Bearing Data（基于DAE-BiLSTM的主传动轴轴承故障诊断方法——以CWRU轴承数据为例）

科学创新前沿

从原子结构到宏观性能：机器学习驱动的固态电解质设计与高通量筛选马年首发！机器学习+固态电解质连登顶刊顶会！学到就是赚到！https://mp.weixin.qq.com/s/eTorMAOQEmEIxWWHVlxVgQ点击此链接查看详情！

Python量化投资、代码解析与论文精读

R语言-机器学习生态风险评估RF-SHAP分析🌿 姐妹们！这篇生态风险评估论文真的绝了！机器学习+遥感数据的神仙组合✨ 📚 标题：《Hidden risks in greening: Unveiling the impact of bare land changes on landscape ecological risks in arid and semi-arid regions of China》 🧠 用了什么机器学习方法？随机森林（Random Forest）模型！不是黑箱操作哦，而是加入了可解释机器学习框架： ✅ SHAP分析（SH

人工智能培训

基于知识图谱的故障推理方法与算法