FFFF5

摘要： 介绍神经网络之激活函数 阅读全文

摘要： PyTorch 提供了一个非常强大的自动求导引擎（Autograd），它能够自动计算神经网络中张量的梯度，是训练深度学习模型的基础。 1. 核心概念：计算图与 requires_grad 在 PyTorch 中，当创建一个张量（Tensor）并设置 requires_grad=True 时，PyTo 阅读全文

摘要： TCP三次握手总结 阅读全文

摘要： 介绍SGD梯度下降原理和工作流程 阅读全文

摘要： 介绍斜率、导数和梯度 阅读全文

摘要： 介绍Z-Score标准化的数学原理和代码实现 阅读全文

摘要： 介绍Min-Max归一化的数学原理、公式推到和代码实现 阅读全文

摘要： 一、什么是模型（Model） 1.1 模型的本质 模型是现实世界中复杂关系的简化数学表示。在机器学习中，模型是一个从输入到输出的映射函数： f: X → Y 输入特征 → 预测输出 1.2 模型的组成要素 # 机器学习模型的三个核心组件： 1. 结构（Architecture）：如何组织计算（如线性 阅读全文

摘要： 简单来说： Dataset 是一个仓库或菜单。它定义了数据的来源（如图片文件、文本列表），并告诉程序如何根据索引（像菜单编号）获取一个单独的数据样本。 DataLoader 是一个高效的服务员和厨房。它从 Dataset 中取数据，按照你的要求（如批量大小、是否打乱）打包成批，并利用多进程并行加载， 阅读全文

摘要： 重点梳理了均值、方差、均匀分布、正态分布的概念、数学本质及其在大模型训练中的关键应用 一、 核心概念：描述数据的基础 1. 均值 (Mean / Average) 数学定义：数据集中所有数值之和除以数据个数。 总体均值：μ = (1/N) Σ x_i 样本均值：x̄ = (1/n) Σ x_i 本质 阅读全文