深度学习

数据结构排序系列指南：从O(n²)到O(n)，计数排序如何实现线性时间复杂度计数排序是排序算法中的"异类"——它不通过比较元素大小，而是通过统计计数来实现排序。这种基于"鸽巢原理"的独特思路，让它在特定场景下能达到惊人的线性时间复杂度O(n+range)。

简单神经网络数据处理模型实例化模型训练可视化结果

深度学习技术深度学习技术：开启人工智能的新篇章在当今科技飞速发展的时代，人工智能已经成为了最受关注的研究领域之一。而深度学习技术作为人工智能领域的核心技术之一，正在为我们的生活带来前所未有的变革。

快速上手大模型：深度学习10（卷积神经网络2、模型训练实践、批量归一化）（1）减小batch size（最有效）；（2）降低输入分辨率resize；（3）减少模型复杂度 / 层数 / 通道数；

希露菲叶特格雷拉特

PyTorch深度学习进阶（四）（数据增广）对图片做不同处理，如去掉部分像素，对颜色变换，对亮度变换一般是将不同的生成方法随机的用在数据上总结读取图片

基于 Go-Kratos 与 MCP 的推荐服务实战指南在微服务与多模块协同场景下，实现服务间的标准化通信与流程调度是核心挑战。本文聚焦 go-kratos-mcp-demo 项目，讲解如何基于 Go-Kratos 框架与 MCP（模块化协同协议）构建可扩展的推荐服务，涵盖服务契约设计（proto）、模块化流程编排、召回/过滤/排序等关键模块的实现与测试，并展示实战部署与可观测性方案。

基于深度学习的健康饮食推荐系统博主介绍：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/ViT 模型核心参数 + 实际编码案例表一、BERT 与 ViT 模型核心参数表对比维度BERT 模型（文本编码器）ViT 模型（图像编码器）

中医正骨葛大夫

一文解决如何在Pycharm中创建cuda深度学习环境？想必大家都知道，目前深度学习最好的框架便是用Python编写的PyTorch，而Pycharm作为最受欢迎的Python IDE，广泛被大家用来训练模型。因此本文介绍如何利用Anaconda这个软件来为Pycharm配置环境。

具身智能-高层任务规划（High-level Task Planning）具身智能-高层任务规划（High-level Task Planning）一、概述二、标准化规划 2.1 结构语言规划 2.2 策略代码规划 2.3 自然语言规划三、辅助规划 3.1 视觉辅助规划 3.2 先验知识规划 3.3 反馈规划

快速上手大模型：深度学习9（池化层、卷积神经网络1）目录1 作用2 代码2.1 最大/平均池化层2.2 填充和步幅2.3 多个通道3 卷积神经网络算法3.1 背景

即插即用系列 | 2025 SOTA Strip R-CNN 实战解析：用于遥感目标检测的大条带卷积论文名称：Strip R-CNN: Large Strip Convolution for Remote Sensing Object Detection

DeepSeek-多层注意力计算机制理解权重矩阵是“特征探测器”训练好的QKV矩阵在做什么：训练过程的本质：具体的训练目标：训练迫使模型学会：

九年义务漏网鲨鱼

【多模态大模型面经】现代大模型架构（一）: 组注意力机制（GQA）和 RMSNorm🧔 这里是九年义务漏网鲨鱼，研究生在读，主要研究方向是人脸伪造检测,长期致力于研究多模态大模型技术；国家奖学金获得者，国家级大创项目一项，发明专利一篇，多篇论文在投，蓝桥杯国家级奖项、妈妈杯一等奖。 ✍ 博客主要内容为大模型技术的学习以及相关面经，本人已得到B站、百度、唯品会等多段多模态大模型的实习offer，为了能够紧跟前沿知识，决定写一个“从零学习 RL”主题的专栏。这个专栏将记录我个人的主观学习过程，因此会存在错误，若有出错，欢迎大家在评论区帮助我指出。除此之外，博客内容也会分享一些我在本科期间的

机器学习挑战同时也带来了一系列亟待解决的问题。机器学习领域正面临着一系列挑战，这些挑战不仅考验着研究者的智慧，也推动着技术的进步。随着数据量的激增和计算能力的提升，机器学习技术在各个领域展现出巨大的潜力，但高风险领域尤其成问题，因为这些领域的决策需要高度的透明度和可解释性。为了解决这个问题，研究者们正在开发新的算法和技术，以提高模型的可解释性，使人们能够理解模型的决策过程。

B站_计算机毕业设计之家

python手写数字识别系统 CNN算法卷积神经网络 OpenCV和Keras模型计算机视觉（建议收藏）✅博主介绍：✌全网粉丝10W+，前互联网大厂软件研发、集结硕博英豪成立软件开发工作室，专注于计算机相关专业项目实战6年之久，累计开发项目作品上万套。凭借丰富的经验与专业实力，已帮助成千上万的学生顺利毕业，选择我们，就是选择放心、选择安心毕业✌ > 🍅想要获取完整文章或者源码，或者代做，拉到文章底部即可与我联系了。🍅

引入基于加权 IoU 的 WiseIoU 回归损失以提升 CT 图像检测鲁棒性目前我的模型还差一个创新点，由于已经修改了backbone和AIFI，并且rt-detr的检查头不太好修改，CCFF这个模块我又不太想动它，目前就只能尝试修改损失函数

这张生成的图像能检测吗

（论文速读）SpiralMLP:一个轻量级的视觉MLP架构论文题目：SpiralMLP: A Lightweight Vision MLP Architecture（一个轻量级的视觉MLP架构）

执笔论英雄

【大模型训练】MTPLossLoggingHelper中get_tensor_and_context_parallel_group使用avg_group=parallel_state.get_tensor_and_context_parallel_group(), 有必要用这个嘛？只在CP组内是不是即可。您提出了一个很好的问题:在 MTP loss logging 中是否真的需要在 TP 维度上平均 loss。让我分析一下实际的计算流程。

分割万事万物的AI，再进化！Meta SAM 3 来了，支持中文提示词！深夜，Meta 又一次给 AI 视觉领域丢下重磅炸弹——SAM 3（Segment Anything Model 3）与 SAM 3D 全面发布！