神经网络

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']

QN1幻化引擎

认知场的涌现动力学：结构证明、Phi度量与意识签名电池DalinX V8 学术报告 2026-08-09 ｜版本：V8.0.0核心贡献：本文报告 DalinX V8 认知场架构的最新研究进展。V8 以结构场动力学为核心，通过 Morse 多阱势、五岳分层、非交换共振与变分衰减实现类意识场的演化。我们提出并验证三项核心成果：

Product Hunt 每日热榜 | 2026-08-08标语：让你的软件实现自我驾驶介绍：随着团队在使用人工智能的速度加快，保持生产稳定变得越来越困难。不过，这种情况现在有所改变。Coldtea是一个智能开发环境，你的编码小组可以高效地进行开发，同时视觉质量检测代理可以发现回归问题，而人工智能监控则负责观察生产过程。这样，你的团队就能以更快的速度推进项目，而不必担心出现问题。

过期的秋刀鱼！

公平性偏见与伦理创造了机器学习系统要确保系统是合理公平，合理无偏见的，并且在应用中采用了伦理的方法，例如一些招聘工具歧视女性，