深度学习

从零复现GPT-2 124M本课程是Andrej Karpathy「0 to Hero」系列的核心章节，目标是从零复现GPT-2 124M参数模型——从加载OpenAI预训练权重验证模型正确性，到完全随机初始化参数、基于高质量数据集从零训练，最终实现性能对标甚至超越原版GPT-2。

深挖 TBD 核心进阶点：深度学习匹配（目标关联的“智能指纹”）深挖 TBD 核心进阶点：深度学习匹配（目标关联的“智能指纹”）深度学习匹配」，是TBD 框架中目标关联环节的“天花板级方案” —— 它彻底解决了质心法、IOU 等传统关联方法“只看位置、不认长相”的致命缺陷，也是 DeepSORT、ByteTrack 等工业级追踪算法的核心竞争力。

从0开始复现nano-vllm「 utils/contex.py」这段代码定义了一个全局上下文管理器（Global Context Manager）。它的核心作用是**“传纸条”**。在深度学习框架（如 PyTorch）与底层高性能计算核心（CUDA Kernels，比如 FlashAttention 或 PagedAttention）之间，有很多复杂的元数据（比如这句话有多长、显存存在哪里）需要传递。

计算机基础·cs336·推理和训练s o f t m a x i ( z ; T ) = exp ⁡ ( z i T ) ∑ j exp ⁡ ( z j T ) \mathrm{softmax}_i(\mathbf{z};T)=\frac{\exp\left(\frac{z_i}{T}\right)}{\sum_j\exp\left(\frac{z_j}{T}\right)} softmaxi(z;T)=∑jexp(Tzj)exp(Tzi)

学Linux的语莫

模型转为RKNN格式示例输出：

目标追踪概述、分类目标追踪(Object Tracking)是获取图像序列（一般为视频）中感兴趣的区域，并在接下来的视频帧中对其进行跟踪。

肾透侧视攻城狮

《解码AI“乐高”：深入理解TensorFlow张量操作与广播机制》目录本篇技术博文摘要 🌟引言 📘上节回顾1.TensorFlow 张量操作2.张量的基本特性3.张量的维度

MPA Multimodal Prototype Augmentation for Few-Shot LearningAuthors: Liwen Wu, Wei Wang, Lei Zhao, Zhan Gao, Qika Lin, Shaowen Yao, Zuozhu Liu, Bin Pu

【夜间野生动物监测】基于深度学习的雄雌绒鸭自动识别系统研究与实践嗨~宝子们！今天我们来聊聊计算机视觉领域的"流量担当"——目标检测模型！🤩 从经典的YOLO系列到最新的Transformer架构，各种模型层出不穷，简直让人眼花缭乱！别担心，这篇保姆级教程帮你一次性搞懂所有主流目标检测模型，附带超多干货和避坑指南，快搬好小板凳！👇

从零开始学AI10——训练数据集与测试数据集摘要：本文系统介绍了机器学习中训练集与测试集的核心概念及应用方法。主要内容包括：1）数据分割的必要性，重点解决过拟合问题；2）三类数据集（训练集、验证集、测试集）的功能差异与典型比例；3）多种数据分割方法，包括随机分割、K折交叉验证及分层K折；4）完整实战案例演示房价预测流程；5）常见问题解决方案，如数据泄漏防范和小数据集处理策略。文章强调测试集应仅用于最终评估，并提供最佳实践指南和代码模板，帮助读者正确划分数据集以构建可靠模型。

【论文阅读12】Circle Loss：一统 Softmax 与 Triplet，从“线性”到“圆形”的优化视角论文题目：《Circle Loss: A Unified Perspective of Pair Similarity Optimization》

gorgeous(๑>؂<๑）

【ICLR26-Oral Paper-Meta】先见之明：揭秘语言预训练中大型语言模型的视觉先验文章：Learning to See Before Seeing: Demystifying LLM Visual Priors from Language Pre-training

陈天伟教授

人工智能应用- 人机对战：01. AI 游戏人工智能不仅在棋类游戏上展现出强大的智力，还能打电子游戏。这两者有相似之处：它们都需要在对战中学习战胜对手的技能，因此都适合强化学习。不同之处在于游戏环境更复杂、不确定性更强。特别是像《星际争霸》这种开放环境下的多人对战游戏，需要机器掌握更复杂的策略。本节将探讨人工智能打游戏背后的基本原理，并重温强化学习方法。

肾透侧视攻城狮

《超越安装：构建可维护、高性能的TensorFlow专业开发环境》文章开篇明确Python版本兼容性，并对比了多种Python安装选项（官方版本、Anaconda及系统包管理器）。

图像分割：目标检测、语义分割和实例分割内容来自：《深度学习与计算机视觉》如今，图像分类、目标检测、语义分割、实例分割和目标追踪是计算机视觉的热门应用方向。其中，图像分类与目标检测是最基础的应用，在此基础上派生出了语义分割、实例分割和目标跟踪等相对高级的应用。

ops-transformer：AI 处理器上的高性能 Transformer 算子库CANN 组织链接： https://atomgit.com/cann ops-transformer 仓库链接： https://atomgit.com/cann/ops-transformer

拉取与合并：如何让个人分支既包含你昨天的修改，也包含 develop 最新更新我现在在crjdevelop，我昨天拉取了develop的最新代码到我的crjdevelop分支上上面，并在crjdevelop分支上对昨天的最新代码做了修改，但是今天develop又更新了代码，我要如何同步拉取最新代码，并合并我修改的代码

偷吃的耗子

【CNN算法理解】：三、AlexNet 训练模块(附代码)本模块提供 AlexNet 网络结构的完整实现和训练框架，包含原始 AlexNet、简化版 AlexNet 以及完整的训练器类，支持多种数据集和训练配置。

【深度学习】YOLO11-BiFPN多肉植物检测分类模型，从0到1实现植物识别系统，附完整代码与教程_1作者: @Crazy Snail 发布时间: 已于 2023-03-30 15:02:21 修改原文链接:

大江东去浪淘尽千古风流人物

【SLAM】Hydra-Foundations 层次化空间感知：机器人如何像人类一样理解3D环境Foundations of Spatial Perception for Robotics: Hierarchical Representations and Real-Time Systems