摘要：
Transformer 用"注意力机制"替代了 RNN 的循环，从而既能并行计算，又能一眼看到整句话的上下文。这正是它能支撑千亿参数大模型的根本原因。本文先走完 Transformer 的原理，再用一张"概念地图"把大模型相关的核心术语串起来。 一、为什么需要 Transformer 回顾 RNN 阅读全文
posted @ 2026-10-05 20:43
xsec
阅读(24)
评论(0)
推荐(0)
摘要：
通用的神经网络基础与训练方法讲完之后，面对具体数据时，网络结构需随数据形态而调整。本文介绍两个经典结构——先解决"看图"，再解决"读语言"。它们体现了同一思路：让网络结构匹配数据本身的特性。 一、让网络看懂图：从矩阵到 CNN 图片本质上是像素矩阵。若仍用"全连接层"（每个输入都连到每个神经元），面 阅读全文
posted @ 2026-10-05 20:42
xsec
阅读(9)
评论(0)
推荐(0)
摘要：
神经网络本质上是一系列函数的嵌套组合。再复杂的模型，也建立在最朴素的线性变换 y = wx + b 之上。本文梳理人工智能入门最基础的三部分内容：神经网络的结构、参数如何通过学习得到，以及训练过程中需要应对的典型问题。 一、神经网络是什么：从函数说起 理解神经网络，通常从两条研究路线入手： 符号主义 阅读全文
posted @ 2026-10-05 20:40
xsec
阅读(23)
评论(0)
推荐(0)
浙公网安备 33010602011771号