神经网络

零基础在windows环境下的WSL使用llamafactory（二）微调模型 (Fine-tuned Model / Instruct Model)在预训练基础上进一步适配下游任务（如医疗问答、代码生成等）

木棉知行者

【第8篇】OverLock（CVPR2025）：新型卷积神经网络OverLoCK，通用的即插即用Backbone！论文题目：OverLoCK: An Overview-first-Look-Closely-next ConvNet with Context-Mixing Dynamic Kernels 中文题目：OverLoCK：一种先概览-再仔细观察-最后上下文混合动态核的卷积网络文献地址：https://arxiv.org/pdf/2502.20087 源码地址：https://github.com/LMMMEng/OverLoCK 所属单位：香港大学计算与数据科学学院

Product Hunt 每日热榜 | 2026-08-18标语：让你的努力被看到，争取晋升吧！介绍：Meridian 是一个开源的人工智能工作日志，完全在你的设备上运行。它会实时用简单的英语记录你当天的工作内容，让你在一天结束时可以轻松获取总结。Meridian 还能够自动为你的项目管理工具（如 Jira）草拟更新，等你确认后就可以直接发布。你专注于工作，让记忆自然而然地跟上。没有云端存储，也无需注册账号。这个工具由麻省理工学院授权，完全免费。

程序猿编码

不用PyTorch，我用C++手写了一个能认手写数字的神经网络学神经网络，大多数人的入门路径是：装Anaconda、pip install torch、调包、跑Demo。三行代码就能让模型在MNIST上跑到99%准确率。但问题是——你知道这99%是怎么来的吗？权重怎么初始化的？反向传播到底在算些什么？ReLU为什么有时候会让网络"死"掉？

闻道且行之

图片处理助手|C++ 手搓离线 AI 抠图工具,U2Net 原理到落地一次讲透导语:你有没有过这种经历——高铁上、机场里、甚至客户公司楼下,对方突然发来一张产品图,配一句「帮我抠个透明背景,着急用」。打开在线抠图网站,页面转圈,没网,神仙也难救。上传云端要网,装 Python + PyTorch 要好几个 G,Photoshop 又贵又重。一气之下,我自己写了一个全离线的 AI 图片工具箱 PicTools:模型全部本地跑,不联网、不上传、拷个文件夹就能用,抠图秒级出结果。从这篇开始,我会把 PicTools 的功能模块一个个拆开讲。第一篇聊最刚需的抠图:模型怎么选、数据怎么喂

零基础在windows环境下的WSL使用llamafactory（一）模型微调的大致流程：微调训练、推理验证、模型导出、模型部署目录llamafactory三种搭建方式python环境的搭建

神经网络门控机制探讨如果观察过去三十年的神经网络架构，会发现一个很有意思的现象：很多曾经非常重要的结构逐渐退出了主流舞台，但门控机制（Gating Mechanism）却一直存在。

头发够用的程序员

Nsight Systems 零基础入门：Trace采集与基础操作Nsight Systems 是 NVIDIA 官方推出的系统级性能剖析工具，主打 GPU、CPU、内存拷贝、CUDA 调用流的全局时序分析，是 CUDA 开发、GPU 程序性能调优的基础工具。

京东算法实习一面上八股：Transformer完全基于注意力机制，摒弃了循环和卷积操作。Transformer出来之前，主流的序列转换模型都基于复杂的循环神经网络（RNN），包含编码器和解码器两部分。当时表现最好的模型还通过注意力机制将编码器和解码器连接起来。

就是一顿骚操作

VGG：用小卷积块把 CNN 做深的经典解读本文是一篇原创中文论文解读，参考 Dive into Deep Learning 的 “Networks Using Blocks (VGG)” 章节，并回到 Simonyan 与 Zisserman 的经典论文 Very Deep Convolutional Networks for Large-Scale Image Recognition。原文与图示来源、许可说明见文末。

NNVC-17.1 深度解析：神经网络视频编码的最新进展与性能全景基于 JVET-AQ0014-v3 提案文档与六组 CTC 性能对比数据的系统性分析，揭示神经网络视频编码在压缩效率与计算复杂度之间的权衡全景

MoCode — AI Agent Server (Docker) + macOS Desktop Client（开源项目）（国外）github地址：GitHub - gzwebsj-163/Velthyn: MoCode - AI Agent server (Docker) + macOS desktop client · GitHub（国内）gitcode地址：

努力的小Qin

梯度下降如何实现参数优化：从线性回归到 Sigmoid 分类核心问题：给定输入 x 和真实标签 y，如何通过调整参数 w 和 b，让预测函数越来越准？机器学习中，很多任务都可以抽象为：

是上好佳佳佳呀

【深度学习|DAY04】神经网络深度学习笔记（下）：损失函数、优化器与正则化接上篇，继续使用同一个示例网络（3 特征输入 → 5-5 隐藏层 → 2 分类输出），深入损失函数、优化算法和正则化技术，最后给出完整可运行的训练代码。

从 LLM 到 Agent Skill：把 AI 底层概念串起来过去两年，AI 领域的新词层出不穷：先是 LLM（大语言模型），然后是 Agent（智能体），再到现在频繁出现的 Skill（技能）。很多同学每学一个概念都觉得"懂了"，但把三个词放在一起时，反而说不清它们之间到底什么关系。

即插即用系列 | IEEE TMI PLG-HN：原型学习引导的 CNN-Transformer 混合网络，攻克乳腺肿瘤分割难题论文标题：Prototype Learning Guided Hybrid Network for Breast Tumor Segmentation in DCE-MRI

是上好佳佳佳呀

【深度学习|DAY03】神经网络深度学习笔记（上）：框架总览、参数初始化与激活函数这篇笔记是在学习神经网络过程中的归纳梳理，目标是把散落的知识点串联成一张清晰的地图：先俯瞰全景框架，弄明白数据在神经网络里到底怎么流动、每一步的维度如何变化、各个组件（初始化、激活函数、损失函数、优化器、正则化）分别在什么环节起作用；然后逐一深入每个组件的细节~

《深度学习框架PyTorch入门与实践》系列：04-nn模块详解：用积木搭建神经网络本文你将学到：如何继承 nn.Module 写出自己的网络层、nn.Parameter 与自动反向传播的关系、Conv2d/Pool/Linear/BatchNorm/Dropout 五大常用层的参数含义与输出形状计算、ReLU 的 inplace 陷阱、Sequential 与 ModuleList 两种容器的三种写法与本质区别（为什么普通 list 存的层"训练不到"）、LSTM 与 LSTMCell 的关系，以及损失函数为什么也是一种 layer。全文代码基于 PyTorch 1.8，均可直接运行。

Product Hunt 每日热榜 | 2026-08-09标语：面向技术创始人的开源GTM技能介绍：大多数人工智能领域的创始人会收到一些老生常谈的销售和营销建议，但“GTM联合创始人”不同。它提供了一套开源技能，首先通过一次面试了解你的真实产品和市场，然后逐步引导你按照优先级制定市场进入战略，包括目标用户、定位、前50个用户的获取、发布、定价等等。这些内容基于亚当·弗兰克尔和雅库布·查孔的玩法手册，还有我自己作为创始客户经理和市场进入顾问的经验。完全免费且开源。

AI街潜水的八角

水上垃圾检测和识别2：基于深度学习YOLO26神经网络实现水上垃圾检测和识别(含训练代码和数据集)基于深度学习YOLO26神经网络实现水上垃圾检测和识别，其能识别检测出1种水上垃圾检测：names: ['bottle']