上一页 1 2 3 4 5 6 7 8 9 10 ··· 48 下一页
2025年5月29日
第5讲、Odoo 18 CLI 模块源码全解读
摘要： Odoo 作为一款强大的企业级开源 ERP 系统，其命令行工具（CLI）为开发者和运维人员提供了极大的便利。Odoo 18 的 odoo/cli 目录，正是这些命令行工具的核心实现地。本文将结合源码，详细解读每个 CLI 文件的功能与实现机制，帮助你快速掌握 Odoo CLI 的用法与原理。 目录结 阅读全文
posted @ 2025-05-29 16:55 何双新 阅读(176) 评论(0) 推荐(0)
第4讲、Odoo 18 模块系统源码全解与架构深度剖析【modules】
摘要： 引言 Odoo 是一款强大的开源企业资源规划（ERP）与客户关系管理（CRM）系统，其核心竞争力之一在于高度模块化的架构设计。模块系统不仅是 Odoo 框架的基石，更是实现功能灵活扩展与定制的关键。本文将结合 Odoo 18 的源码，系统梳理模块系统的核心组件与工作机制，帮助开发者深入理解 Odoo 阅读全文
posted @ 2025-05-29 15:44 何双新 阅读(380) 评论(0) 推荐(0)
第3讲、Odoo 18 Base模块源码与ir.http机制深度解析
摘要： 1. Odoo 18 base 模块结构总览 下表为 base 模块主要目录与文件说明： 目录/文件 说明 __manifest__.py 模块描述信息，定义依赖、数据加载、初始化行为等 __init__.py 模块初始化入口，导入 models、controllers 等 models/ 所有 P 阅读全文
posted @ 2025-05-29 09:16 何双新 阅读(390) 评论(0) 推荐(0)
2025年5月28日
第2讲、从启动到表单加载：Odoo 18 的完整执行流程详解
摘要： 了解 Odoo 在从启动到用户打开一个模型表单视图时，内部到底发生了什么，是模块开发、性能调优和故障排查的关键。本文将为你系统梳理 Odoo 18 的执行流程与关键方法调用链，适用于开发者与技术架构师快速理解 Odoo 核心机制。 一、核心概念速查表 概念 说明 Action Odoo 前端与后端交 阅读全文
posted @ 2025-05-28 23:43 何双新 阅读(660) 评论(0) 推荐(0)
2025年5月22日
第9.3讲、Tiny Transformer: 极简版Transformer
摘要： 简介 极简版的 Transformer 编码器-解码器（Seq2Seq）结构，适合用于学习、实验和小型序列到序列（如翻译、摘要）任务。 该实现包含了位置编码、多层编码器、多层解码器、训练与推理流程，代码简洁易懂，便于理解 Transformer 的基本原理。 主要结构 PositionalEncod 阅读全文
posted @ 2025-05-22 10:55 何双新 阅读(284) 评论(0) 推荐(0)
2025年5月21日
第9.2讲、Tiny Decoder（带 Mask）详解与实战
摘要： 自己搭建一个 Tiny Decoder（带 Mask），参考 Transformer Encoder 的结构，并添加 Masked Multi-Head Self-Attention，它是 Decoder 的核心特征之一。 1. 背景与动机 Transformer 架构已成为自然语言处理（NLP）领 阅读全文
posted @ 2025-05-21 23:47 何双新 阅读(121) 评论(0) 推荐(0)
第9.1讲、Tiny Encoder Transformer：极简文本分类与注意力可视化实战
摘要： Tiny Encoder Transformer：极简文本分类与注意力可视化实战 项目简介 本项目实现了一个极简版的 Transformer Encoder 文本分类器，并通过 Streamlit 提供了交互式可视化界面。用户可以输入任意文本，实时查看模型的分类结果及注意力权重热力图，直观理解 Tr 阅读全文
posted @ 2025-05-21 23:19 何双新 阅读(392) 评论(0) 推荐(0)
2025年5月17日
第9讲、深入理解Scaled Dot-Product Attention
摘要： Scaled Dot-Product Attention是Transformer架构的核心组件，也是现代深度学习中最重要的注意力机制之一。本文将从原理、实现和应用三个方面深入剖析这一机制。 1. 基本原理 Scaled Dot-Product Attention的本质是一种加权求和机制，通过计算查询 阅读全文
posted @ 2025-05-17 23:22 何双新 阅读(1444) 评论(0) 推荐(0)
第8讲、Multi-Head Attention 的核心机制与实现细节
摘要： 🤔 为什么要有 Multi-Head Attention？ 单个 Attention 机制虽然可以捕捉句子中不同词之间的关系，但它只能关注一种角度或模式。 Multi-Head 的作用是： 多个头 = 多个视角同时观察序列的不同关系。 例如： 一个头可能专注主语和动词的关系； 另一个头可能专注宾语 阅读全文
posted @ 2025-05-17 23:06 何双新 阅读(1011) 评论(0) 推荐(0)
2025年5月12日
第7讲、残差连接与层归一化：原理、结构与工程实践
摘要： 深度神经网络的训练稳定性和表达能力是现代人工智能模型（尤其是 Transformer 架构）成功的关键。残差连接（Residual Connection）和层归一化（Layer Normalization）作为两项核心技术，极大地推动了深层网络的可训练性和泛化能力。本文系统梳理这两项技术的原理、结构 阅读全文
posted @ 2025-05-12 09:50 何双新 阅读(1515) 评论(0) 推荐(0)
上一页 1 2 3 4 5 6 7 8 9 10 ··· 48 下一页