摘要： 
CNN = Convolutional Neural Network（卷积神经网络） 👉 一种专门用于处理具有网格结构数据（例如图像）的深度学习模型。 核心思想是通过卷积层（Convolution）自动提取特征，而不是人工设计特征。 🔹 基本结构： 输入层：输入图像（如 28×28×3）。 卷积 阅读全文
CNN = Convolutional Neural Network（卷积神经网络） 👉 一种专门用于处理具有网格结构数据（例如图像）的深度学习模型。 核心思想是通过卷积层（Convolution）自动提取特征，而不是人工设计特征。 🔹 基本结构： 输入层：输入图像（如 28×28×3）。 卷积 阅读全文
posted @ 2025-10-24 16:26
-一叶知秋-
阅读(17)
评论(0)
推荐(0)
摘要： 
1.1 公式表达 显示 代码 行内公式 $数学公式$ 独立公式 $$数学公式$$ 1.2 上下标 显示 代码 $x^2$ $x^2$ $x_2$ $x_2$ 1.3 括号 显示 代码 $\underbrace{yyyy}_{ \text{xxx} }$ $\underbrace{yyyy}_{ \t 阅读全文
1.1 公式表达 显示 代码 行内公式 $数学公式$ 独立公式 $$数学公式$$ 1.2 上下标 显示 代码 $x^2$ $x^2$ $x_2$ $x_2$ 1.3 括号 显示 代码 $\underbrace{yyyy}_{ \text{xxx} }$ $\underbrace{yyyy}_{ \t 阅读全文
posted @ 2025-10-24 12:32
-一叶知秋-
阅读(5)
评论(0)
推荐(0)
摘要： 
模型复杂程度 一、常见衡量指标 参数数量（Number of Parameters） 模型包含的可学习参数越多，复杂度越高。 例如： 线性回归：参数个数 = 特征维数 + 1 深度神经网络：每层权重矩阵大小 × 层数 例子：ResNet-18（约1100万参数） vs. GPT-3（1750亿参数） 阅读全文
模型复杂程度 一、常见衡量指标 参数数量（Number of Parameters） 模型包含的可学习参数越多，复杂度越高。 例如： 线性回归：参数个数 = 特征维数 + 1 深度神经网络：每层权重矩阵大小 × 层数 例子：ResNet-18（约1100万参数） vs. GPT-3（1750亿参数） 阅读全文
posted @ 2025-10-24 12:30
-一叶知秋-
阅读(7)
评论(0)
推荐(0)
浙公网安备 33010602011771号