深度学习

江畔柳前堤

github实战指南01-账号配置与 SSH 密钥本章目标：注册 GitHub 账号，配置好 SSH 密钥，做到"克隆仓库不用输密码"。打开 Git Bash（不是浏览器，不是 CMD），输入下面的命令。

江畔柳前堤

github实战指南02-仓库管理与 Issue本章目标：掌握 GitHub 仓库的日常管理，学会用 Issue 跟踪任务和 Bug。⚠️ 本章大部分操作都在 🌐 浏览器中完成，不需要命令行。

江畔柳前堤

github实战指南07-CLI 与高级技巧本章目标：掌握 GitHub CLI（gh）命令行工具，学会 GitHub 高级操作技巧。如果你不习惯命令行，GitHub Desktop 是个不错的选择。

大模型微调实战：LoRA 与 QLoRA 原理精讲大语言模型（LLM）虽然在通用场景表现优异，但在特定领域任务上往往力不从心。以 GPT-4 为例，它在医学诊断、法律文书、企业私有知识等垂直场景的表现明显不足。**全量微调（Full Fine-tuning）**虽然效果最好，但开销巨大——训练 LLaMA-65B 需要 780GB+ 显存，绝非普通团队所能承受。

【GitHub】 Headroom 深度解析：AI Agent 上下文压缩层的完整技术拆解一句话总结：Headroom 是一个在 LLM 收到内容之前自动压缩上下文的本地优先压缩层，通过 6 种自适应算法配合可逆缓存（CCR）机制，实现 60-95% 的 Token 削减，且回答质量零损失。

卡梅德生物科技小能手

卡美德生物科普CD136(RON受体)：从基础特性到实验应用在细胞信号传导与免疫稳态的研究版图中，受体酪氨酸激酶（RTKs）家族始终占据着核心地位。CD136（又称RON，基因名MST1R）作为该家族的关键成员，不仅在细胞增殖、迁移及天然免疫调控中发挥着基础性作用，更因其与多种慢性炎症及代谢性疾病的密切关联，成为当前生物医药基础研究与转化应用的重要靶点。本文将从靶点基础属性、下游核心机制及实验应用趋势三个维度，系统梳理CD136的生物学价值与研究前沿。

极光代码工作室

基于深度学习的手写数字识别系统手写数字识别作为模式识别与计算机视觉领域的经典任务，是人工智能技术落地的重要验证场景。本文围绕MNIST数据集构建端到端的深度学习手写数字识别系统，旨在实现高精度、低延迟、可部署的识别能力。研究采用卷积神经网络（CNN）作为核心模型架构，结合数据增强、批量归一化、Dropout正则化及Adam优化器等关键技术提升泛化性能；系统设计涵盖前后端分离架构，前端提供交互式手绘板与结果可视化界面，后端集成Flask Web服务与PyTorch推理引擎，并支持模型热更新与日志追踪。实验表明，所提模型在MNIST测试集

从 Transformer 到 Agent：大模型技术全景解析大语言模型（LLM，Large Language Model），也称大型语言模型，是一种旨在理解和生成人类语言的人工智能模型。

大模型最新论文速读

06-11 · LLM 最新论文速览今日候选池 82 篇，硬过滤 + LLM 打分后通过评估 11 篇，精选 Top-10，另列 1 篇速览。

weixin_55008315

全量的记忆压缩与意义保存把这些所有的记忆记录下来是一件有点难度的事情，，假设一只黄狗，你取名叫乐乐那么从它小时候和你交互产生的记忆，到它长大后和你交互产生的记忆，这些都基于你自己的传感器的信号。这些全部的记忆是一个天文数字，要怎么压缩呢

吴恩达《深度学习》之看懂 ResNet在深度学习的发展史上，2015 年是一个分水岭。那一年，何恺明（He Kaiming）提出了 ResNet（残差网络），一举斩获了当年 ImageNet 竞赛的所有冠军。

卡梅德生物科技小能手

卡美德生物科普CD134(OX40)：免疫调控靶点的生物学特性与研在免疫生物学与药物研发领域，共刺激分子是调控免疫应答强度与持续时间的关键靶点。CD13思（OX40）作为肿瘤坏死因子受体超家族的重要成员，由TNFRSF4基因编码，是一种特异性表达于活化T细胞表面的Ⅰ型跨膜糖蛋白。其独特的表达模式与双向免疫调控功能，使其成为自身免疫疾病机制研究与靶向干预策略开发的核心靶点之一。本文将从基础属性、分子机制及实验应用三个维度，系统解析CD134的生物学价值。

《图解机器学习-第三章》：训练、验证、测试：三分数据，缺一不可！🎯 博主简介CSDN 「新星创作者」，人工智能技术领域博主，码龄 5 年，累计发布 190+ 篇原创文章，博客总访问量 30万+ 浏览。

湘美书院--湘美谈教育

湘美谈教育湘美书院考古教育系列：湖湘一万年序列整理研究根据湘美书院考古教育系列所涉及的"湖湘一万年"序列，主要依据的是大型历史文化纪录片《湖湘一万年》。该片耗时14个月打造，在央视首播。

自下而上 vs 自上而下 vs 最优组合预测策略解析在多层级销量预测中，自下而上、自上而下与最优组合是三种核心的预测协调策略，旨在解决不同层级（如单品、品类、总店）预测结果不一致的问题。其原理与优缺点对比如下：

ProDrive：基于自身-环境协同演化的自动驾驶主动规划26年4月来自南方科大和港科大的论文“ProDrive: Proactive Planning for Autonomous Driving via Ego-Environment Co-Evolution”。

第11期| 遥感图像分类模型：ResNet_DenseNet原理+实战训练上期第10期，我们吃透了CNN卷积、池化、激活函数三大底层逻辑，厘清了新手最大误区：通用RGB图像模型，不可直接照搬用于遥感俯拍影像训练。

模型部署实战：FastAPI + ONNX + Docker 的推理服务化Notebook 里的 model.predict(X) 跑完就算完——但生产环境需要的是毫秒级响应、模型热加载、A/B 测试、灰度发布。把模型从实验环境搬到线上，需要完成序列化选型、推理加速、服务封装、容器化部署、负载均衡这一整条工程链路。本文以 scikit-learn 模型为主线，完整演示从 .pkl 到 ONNX 再到 FastAPI + Docker 的生产级部署方案。

【论文学习】2026.5 || 分解式视觉-语言对齐用于细粒度开放词汇分割Decomposed Vision-Language Alignment for Fine-Grained Open-Vocabulary Segmentation

吴恩达《深度学习》之看懂神经网络的“底层细胞”：逻辑回归在深度学习的世界里，不管多么庞大的巨兽（比如千亿参数的大模型），如果你把它拆解到最微小的细胞，你会发现它流淌的依然是逻辑回归（Logistic Regression）的血液。