深度学习

【深度学习基础篇03】激活函数详解：从生物突触到非线性注入在上一章中，我们已经知道，如果没有激活函数，无论神经网络堆叠多少层，它最终都只是一个线性模型，无法拟合复杂的非线性规律。这一章，我们将从生物神经元的工作机制出发，揭开激活函数的神秘面纱，理解它如何为神经网络注入“灵魂”，并通过代码直观感受它的作用。

Figo《量子几何学：从希尔伯特空间到全息时空的统一理论体系》(三）作者：Figo Cheung ＆ Figo AI team人类大脑对几何概念的理解，根植于顶叶皮层的空间处理能力。正如《内经》所言：“脑为髓海，主神明”，现代神经科学发现，顶叶正是人类空间认知的"神明"之所。顶叶空间处理的几何特征：顶叶皮层，特别是顶内沟（intraparietal sulcus）区域，在处理几何空间信息时表现出独特的神经活动模式。功能性磁共振成像（fMRI）研究表明，当被试进行几何推理时，顶叶皮层的激活模式与几何复杂度呈正相关。数学表述上，顶叶对几何信息的处理可以建模为： P:Rn

NIN网络学习NIN（Network in Network）是陈天奇（Min Lin）等人在2014年提出的经典网络结构。

03.深度学习——特点1、多层非线性变换：深度学习模型由多个层次组成，每一层都应用非线性激活函数对输入数据进行变换。较低的层级通常捕捉到简单的特征（如边缘、颜色等），而更高的层级则可以识别更复杂的模式（如物体或面部识别）。

车载摄像头核心知识点结构化总结车载摄像头是自动驾驶最核心、不可替代的感知传感器，当前所有主流自动驾驶方案均无去摄像头的设计，仅存在去激光雷达/毫米波雷达的方案。

LLM底层机制深度解析：从Transformer到推理优化的完整技术地图导读：当你调用API或使用大模型时，你是否好奇过——模型内部究竟是如何工作的？为什么同样的输入，有时候快有时候慢？上下文窗口到底受什么限制？采样参数Temperature和Top-p又有什么区别？本文将带你深入LLM的底层机制，从Transformer架构到推理优化，从Tokenization到对齐技术，全面解析大模型的核心原理。无论你是AI应用开发者，还是想深入理解LLM的技术爱好者，这篇文章都能帮你建立起完整的知识框架。

袁气满满~_~

深度学习笔记五目录一、卷积神经网络1、卷积运算1.1 边缘检测1.2 其他边缘检测器2、填充3、卷积步长4、互相关与卷积

02-Transformer核心架构详解-自注意力与多头注意力本文深度剖析Transformer的核心机制——自注意力(Self-Attention)和多头注意力(Multi-Head Attention)。通过数学推导、可视化图表和PyTorch代码实现,详细讲解QKV矩阵计算、注意力分数、缩放点积注意力等关键技术。涵盖Transformer Block完整结构、残差连接、层归一化等工程实践要点,是理解现代大语言模型架构的必读教程。

万里鹏程转瞬至

论文简读 | TurboDiffusion: Accelerating Video Diffusion Models by 100–200 Times论文地址：https://jt-zhang.github.io/files/TurboDiffusion_Technical_Report.pdf 项目地址：https://github.com/thu-ml/TurboDiffusion 发表时间：2025年12月18日内容由豆包ai总结

万里鹏程转瞬至

SLA与Flash_attn对比测试项目地址：https://github.com/thu-ml/SLA 项目下有SageSLA与sparse_linear_attention两个版本，SageSLA是基于SageAttention实现的版本，sparse_linear_attention是基于triton实现的版本。

基于Claude Code实现MobileNetV3训练记录MobileNetV3于2019年问世，是目前移动端实时视觉任务的首选，追求极致性价比。在同精度下，V3 比 V2 快约 20%~30%，参数量更小。MobileNetV1V2的原理介绍不再赘述。

Product Hunt 每日热榜 | 2026-02-22标语：适合iOS应用的最佳人工智能。替代Xcode的网站。介绍：最先进的人工智能应用构建工具。设计优越，支持每一个苹果平台——无论是 iPhone、iPad、Apple Watch、Apple TV、Vision Pro 还是 iMessage。如果你的设备能做到，Rork Max 就能帮你构建——3D游戏、增强现实、身体追踪、实时活动、Siri 意图、应用小部件等等。它是网络上首个 Swift 应用构建器。只需一键即可在你的 iPhone 上安装，轻松两次点击即可进入 App Store。

深度学习：激活函数大全在深度学习中，激活函数（Activation Function）是神经网络的核心组件之一。如果没有激活函数，无论网络堆叠多少层，都只是线性变换的叠加，最终输出仍是输入的线性组合。这种线性模型连最简单的“异或（XOR）”问题都无法解决，更别说学习图像、语音、文本等复杂数据中的非线性模式。

weixin_44811994

Datawhale Easy-Vibe 202602 第4次笔记Endpoint（接口路径）：API 请求的具体路径，告诉服务器你要访问哪个功能。完整的请求地址通常由"基础 URL + Endpoint路径"构成。例如：

2.1 PaLM 及其变体（PaLM / PaLM 2）PaLM（Pathways Language Model）是 Google 提出的 Decoder-only Transformer 大规模语言模型工作之一。它的核心并不在于“换了一个全新的架构”，而是通过一组看似朴素但系统性的结构与训练配方改动，让模型在可扩展性、训练稳定性、吞吐效率上更适合继续做大规模 scaling。

LeNet、AlexNet、VGGNet、NiN总结从AlexNet再次引爆深度学习后，各种神经网络结构不断实验探索出来，被实验证明有效果后，该结构就成为了后续神经网络结构的基本组件或者基类——浓缩为了经验，上升为了精华。

2026年大语言模型微调实战：从零到一构建专属AI助手在人工智能技术飞速发展的2026年，大语言模型（LLM）已经从实验室走向了各行各业的应用场景。然而，通用大模型虽然能力强大，却往往难以满足特定领域的专业需求。这时，模型微调（Fine-tuning）技术就成为了连接通用能力与专业需求的关键桥梁。

沃达德软件

视频监控数据分析服务视频监控数据分析服务，包括实时预览录像抓图、远程回放（录像）、远程回放（图片）、报警布防、报警监听、人脸比对、人脸抓拍、人脸侦测、混合目标检测、人体目标识别、人员密度检测、人员排队检测、客流量统计、安全帽检测。视频监控数据分析是应用广泛的安防系统，包括图像的实时监控、视频存储与取证、人员与行为的智能分析识别，并与其他子系统紧密结合，如入侵报警系统、门禁控制系统，构建严密的安全防范系统工程。 #视频监控#视频分析#视频图像识别#安防监控

4.1 LLaMA 系列：从 LLaMA-1 到 LLaMA-3本节围绕 LLaMA 系列的三条主线展开：（1）基础架构与训练配方的关键选择；（2）从 LLaMA-2 开始成体系的后训练（SFT / 拒绝采样 / RLHF / DPO）；（3）面向代码与长上下文的扩展（Code Llama、LLaMA-3/3.1）。讨论默认以论文与技术报告中的描述为准，并配合必要的直观案例帮助理解。

课堂情绪识别系统技术实现好的，我将为您撰写一篇关于课堂情绪识别与心理健康监测系统的论文，详细阐述其技术原理、实现步骤与代码流程。