随笔分类 -  Ai

神经网络之激活函数
摘要：介绍神经网络之激活函数 阅读全文
posted @ 2026-02-28 20:25 ffff5 阅读(35) 评论(0) 推荐(0)
用pytorch来自动求导
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
posted @ 2026-02-27 21:03 ffff5 阅读(5) 评论(0) 推荐(0)
SGD随机梯度下降
摘要：介绍SGD梯度下降原理和工作流程 阅读全文
posted @ 2026-02-23 15:40 ffff5 阅读(38) 评论(0) 推荐(0)
大模型数学基础3
摘要：介绍斜率、导数和梯度 阅读全文
posted @ 2026-02-22 21:53 ffff5 阅读(28) 评论(0) 推荐(0)
Z-Score归一化
摘要：介绍Z-Score标准化的数学原理和代码实现 阅读全文
posted @ 2026-02-10 21:23 ffff5 阅读(50) 评论(0) 推荐(0)
Min-Max归一化
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
posted @ 2026-02-10 21:15 ffff5 阅读(126) 评论(0) 推荐(0)
神经网络模型基础与简单实现
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
posted @ 2026-02-08 21:18 ffff5 阅读(8) 评论(0) 推荐(0)
PyTorch-Dataset和 DataLoader
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
posted @ 2026-02-08 12:03 ffff5 阅读(30) 评论(0) 推荐(0)
大模型数学基础2
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
posted @ 2026-02-08 10:44 ffff5 阅读(9) 评论(0) 推荐(0)
大模型数学基础1
摘要：系统地解释每个数学概念，提供清晰的数学公式，并用最小但完整的代码示例说明其在大模型中的应用。 1. 基本概念：从标量到张量 1.1 标量 (Scalar) 定义：单个数值，只有大小，没有方向。 数学表示：\(a \in \mathbb{R}\) 大模型意义：表示学习率、温度参数等超参数。 # 标量示 阅读全文
posted @ 2026-02-06 16:08 ffff5 阅读(43) 评论(0) 推荐(0)
NumPy入门系列②：数组操作进阶指南——重塑、合并与分割核心技巧
摘要：本文为NumPy系列第二篇，深入解析数组操作的核心方法： 重塑：通过reshape()灵活调整维度，利用flatten()一键展平多维数据； 合并：掌握np.concatenate()、vstack/hstack实现垂直/水平拼接，解决多数据集整合难题； 分割：精准切割数组的np.split()策略，应对数据分块处理需求。 阅读全文
posted @ 2025-03-27 23:41 ffff5 阅读(145) 评论(0) 推荐(0)
NumPy入门系列①：数组创建与类型转换完全指南
摘要：本文系统讲解NumPy数组的核心操作，涵盖五大创建方法（np.array()、np.zeros()等）、关键属性（shape、dtype等）及数据类型转换（astype()），通过代码示例演示如何高效构建和操作多维数组。适合Python数据科学初学者。 阅读全文
posted @ 2025-03-25 22:38 ffff5 阅读(103) 评论(0) 推荐(0)