本文转载自博客园 行无际《一文学会在Markdown中编辑数学符号与公式》 在用Markdown写博客时会涉及到数学符号与公式的编辑，下面进行汇总。随手记录，方便你我他。 行内公式：将公式插入到本行内 $0.98^{365} \approx 0.0006$ 我的365天：$0.98^{365} \approx 0.0006$ 单独的公式块：将公式插入到新的一行内，...

本文转载自博客园 行无际《一文学会在Markdown中编辑数学符号与公式》 在用Markdown写博客时会涉及到数学符号与公式的编辑，下面进行汇总。随手记录，方便你我他。 行内公式：将公式插入到本行内 $0.98^{365} \approx 0.0006$ 我的365天：$0.98^{365} \approx 0.0006$ 单独的公式块：将公式插入到新的一行内，...

全文总结于 Bilibili UP 主飞天闪客的一小时到 Transformer 系列视频！ Transformer：抛弃顺序计算的注意力革命 Transformer模型自2017年横空出世，迅速成为自然语言处理（NLP）乃至整个AI领域的基石。它的出现，标志着机器对语言理解方式的一次根本性转变。 在此之前，循环神经网络（RNN）及其变体（如LSTM、GRU）虽然能处理序列数据，但却...

全文总结于 Bilibili UP 主飞天闪客的一小时到 Transformer 系列视频！ Transformer：抛弃顺序计算的注意力革命 Transformer模型自2017年横空出世，迅速成为自然语言处理（NLP）乃至整个AI领域的基石。它的出现，标志着机器对语言理解方式的一次根本性转变。 在此之前，循环神经网络（RNN）及其变体（如LSTM、GRU）虽然能处理序列数据，但却...

全文总结于 Bilibili UP 主飞天闪客的一小时到 Transformer 系列视频！ 循环神经网络 RNN（Recurrent Neural Network） 之前的卷积神经网络适合处理图片信息，那文字信息怎么办呢？首先要明白，对于计算机，或者说神经网络来说，文字都是要转换为数字之后再进行处理的。那么我们要面对的第一个问题就是：如何将文字转换为数字 有一种简单粗暴的方法：每一...

全文总结于 Bilibili UP 主飞天闪客的一小时到 Transformer 系列视频！ 循环神经网络 RNN（Recurrent Neural Network） 之前的卷积神经网络适合处理图片信息，那文字信息怎么办呢？首先要明白，对于计算机，或者说神经网络来说，文字都是要转换为数字之后再进行处理的。那么我们要面对的第一个问题就是：如何将文字转换为数字 有一种简单粗暴的方法：每一...

全文总结于 Bilibili UP 主飞天闪客的一小时到 Transformer 系列视频！ 矩阵表示、卷积与 CNN：从“密集连接”到“局部共享”的直观演绎 本篇目标： 用矩阵语言把神经网络的前向计算讲清楚； 阐明全连接（fully-connected）在图像任务上的局限； 通过卷积的直观定义、数学表示与参数对比，说明 CNN 为什么更适合图像；...

全文总结于 Bilibili UP 主飞天闪客的一小时到 Transformer 系列视频！ 矩阵表示、卷积与 CNN：从“密集连接”到“局部共享”的直观演绎 本篇目标： 一、回到矩阵表示：把复杂式子变得简洁且可并行 当网络刚开始只有少量节点时，我们可以直接用元素级公式写出每个神经元的输出。但随着层数和每层节点数增长，逐个写式子既繁琐又不利于数学推导与实现。用矩阵把这些运算...

全文总结于 Bilibili UP 主飞天闪客的一小时到 Transformer 系列视频！ 🧠 神经网络训练中的问题与解决方法 ——从过拟合到正则化的全面解析 “训练一个模型不难，难的是让它在没见过的数据上依然聪明。” 🌱 一、从成功到困惑：模型为何“记住”了数据？ 假设我们用数千张图片训练了一个神经网络，训练损失迅速下降，准确率高得惊人。 然而，当我们在新图片上测试...

全文总结于 Bilibili UP 主飞天闪客的一小时到 Transformer 系列视频！ 🧠 神经网络训练中的问题与解决方法 ——从过拟合到正则化的全面解析 “训练一个模型不难，难的是让它在没见过的数据上依然聪明。” 🌱 一、从成功到困惑：模型为何“记住”了数据？ 假设我们用数千张图片训练了一个神经网络，训练损失迅速下降，准确率高得惊人。 然而，当我们在新图片上测试...