<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[Jsjendndn的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/Jsjendndn</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; Jsjendndn]]></copyright><item><title><![CDATA[机试打卡。]]></title><link>https://blog.youkuaiyun.com/Jsjendndn/article/details/163603739</link><guid>https://blog.youkuaiyun.com/Jsjendndn/article/details/163603739</guid><author>Jsjendndn</author><pubDate>Thu, 22 Oct 2026 22:31:27 +0800</pubDate><description><![CDATA[先开一个动态数组，然后输入，排序，取arr数组的头和尾。]]></description><category></category></item><item><title><![CDATA[AG-news分类任务]]></title><link>https://blog.youkuaiyun.com/Jsjendndn/article/details/163665778</link><guid>https://blog.youkuaiyun.com/Jsjendndn/article/details/163665778</guid><author>Jsjendndn</author><pubDate>Wed, 12 Aug 2026 15:17:58 +0800</pubDate><description><![CDATA[本文使用，实现一个简单的文本分类模型。任务目标：输入一段新闻文本，判断该新闻属于哪个类别。]]></description><category></category></item><item><title><![CDATA[python搭建MiniDL]]></title><link>https://blog.youkuaiyun.com/Jsjendndn/article/details/162528320</link><guid>https://blog.youkuaiyun.com/Jsjendndn/article/details/162528320</guid><author>Jsjendndn</author><pubDate>Sun, 05 Jul 2026 23:13:02 +0800</pubDate><description><![CDATA[结构大体是。]]></description><category></category></item><item><title><![CDATA[pytorch搭建ANN和CNN]]></title><link>https://blog.youkuaiyun.com/Jsjendndn/article/details/162376014</link><guid>https://blog.youkuaiyun.com/Jsjendndn/article/details/162376014</guid><author>Jsjendndn</author><pubDate>Sun, 28 Jun 2026 21:15:51 +0800</pubDate><description><![CDATA[小明创办了一家手机公司，他不知道如何估算手机产品的价格。为了解决这个问题，他收集了多家公司的手机销售数据。等）与其售价之间的某种关系。我们可以使用机器学习的方法来解决这个问题，也可以构建一个全连接的网络。该数据为二手手机的各个性能的数据，最后根据这些性能得到。个价格区间，作为这些二手手机售出的价格区间。搭建CNN实现图像分类CIFAR10。需要注意的是: 在这个问题中，我们。，所以该问题也是一个。]]></description><category></category></item><item><title><![CDATA[sdau计算机体系结构复习]]></title><link>https://blog.youkuaiyun.com/Jsjendndn/article/details/162313054</link><guid>https://blog.youkuaiyun.com/Jsjendndn/article/details/162313054</guid><author>Jsjendndn</author><pubDate>Fri, 26 Jun 2026 15:55:00 +0800</pubDate><description><![CDATA[层次结构：按照计算机语言从低级到高级的次序，把计算机系统按功能划分为多级层次结构，每一层以一种不同的语言为特征。翻译：先用转换程序把高级机器上的程序转换为对应的低级机器上的等效程序，然后在这一低级机器上运行，执行过程中，高级程序不再被执行。解释：对于高级机器上的程序中的指令，都是转去低级机器上面执行等价陈旭，执行完后，再去高级机器上取下一条指令，依次重复执行。体系结构：程序员所看到的计算机属性，包括概念性结构和功能特性。]]></description><category></category></item><item><title><![CDATA[动手学深度学习]]></title><link>https://blog.youkuaiyun.com/Jsjendndn/article/details/162016395</link><guid>https://blog.youkuaiyun.com/Jsjendndn/article/details/162016395</guid><author>Jsjendndn</author><pubDate>Sun, 21 Jun 2026 22:29:30 +0800</pubDate><description><![CDATA[1:3表示左闭右开，::3表示三个一跳要想改变一个张量的形状而不改变元素数量和元素值，可以调用reshape函数X使用全0、全1、其他常量，或者从特定分布中随机采样的数字torch.randn(3, 4)正态分布常见的标准算术运算符（和**）都可以被升级为按元素运算dim=0在0维合并（按行），dim=1按列通过逻辑运算符构建二元张量X == Y对张量中的所有元素进行求和，会产生一个单元素张量X.sum()即使形状不同，我们仍然可以通过调用广播机制。]]></description><category></category></item><item><title><![CDATA[YOLO 网格预测]]></title><link>https://blog.youkuaiyun.com/Jsjendndn/article/details/161804938</link><guid>https://blog.youkuaiyun.com/Jsjendndn/article/details/161804938</guid><author>Jsjendndn</author><pubDate>Mon, 08 Jun 2026 17:29:38 +0800</pubDate><description><![CDATA[仅负责分工与去重不负责画框。]]></description><category></category></item><item><title><![CDATA[为什么多头注意力（MHA）能让Transformer效果暴涨？]]></title><link>https://blog.youkuaiyun.com/Jsjendndn/article/details/161774918</link><guid>https://blog.youkuaiyun.com/Jsjendndn/article/details/161774918</guid><author>Jsjendndn</author><pubDate>Sun, 07 Jun 2026 17:00:32 +0800</pubDate><description><![CDATA[在自然语言处理中，一个单词的含义往往依赖上下文。例如：对于单词 love 而言：它可能需要关注：Attention 的核心思想就是：Attention(Q,K,V)=softmax(QKTdk)V
Attention(Q,K,V)=softmax\left(\frac{QK^T}{\sqrt{d_k}}\right)V
Attention(Q,K,V)=softmax(dk​​QKT​)V其中：执行流程：QKT
QK^T
QKT衡量当前单词与其他单词之间的相似程度。softmax(QKT)
softmax(]]></description><category></category></item><item><title><![CDATA[为什么加入 ReLU 后，神经网络可以学习线性可分的特征？]]></title><link>https://blog.youkuaiyun.com/Jsjendndn/article/details/161658945</link><guid>https://blog.youkuaiyun.com/Jsjendndn/article/details/161658945</guid><author>Jsjendndn</author><pubDate>Wed, 03 Jun 2026 15:47:55 +0800</pubDate><description><![CDATA[f = Wxf = W2h它先用第一层和 ReLU 把输入转换成新的隐藏层特征，再用第二层在线性空间中分类。1. 把负响应变成 0，让神经元像开关一样选择性激活2. 将输入空间切分成多个区域3. 对不同区域使用不同的线性表示4. 形成分段线性变换5. 让模型有能力学习更复杂的分类边界一句话总结：ReLU 并不是直接让数据自动线性可分，而是让神经网络可以学习一种新的特征表示；在这个隐藏层表示中，原本线性不可分的数据可能变得可以被线性分类器分开。]]></description><category></category></item><item><title><![CDATA[从线性分类器到两层神经网络：为什么我们需要非线性？]]></title><link>https://blog.youkuaiyun.com/Jsjendndn/article/details/161658126</link><guid>https://blog.youkuaiyun.com/Jsjendndn/article/details/161658126</guid><author>Jsjendndn</author><pubDate>Wed, 03 Jun 2026 15:24:04 +0800</pubDate><description><![CDATA[f = W x它简单高效，但只能学习线性决策边界。它比线性分类器多了一层隐藏层，并且通过 ReLU 引入了非线性。这使得模型可以先把输入数据变换到一个新的特征空间，再在这个空间中进行分类。一句话总结：线性分类器只能在原始空间中画直线；两层神经网络可以通过隐藏层和非线性激活函数学习新的特征表示，从而处理更加复杂、线性不可分的数据。]]></description><category></category></item><item><title><![CDATA[CS231n Softmax Loss Naive实现详解]]></title><link>https://blog.youkuaiyun.com/Jsjendndn/article/details/161635217</link><guid>https://blog.youkuaiyun.com/Jsjendndn/article/details/161635217</guid><author>Jsjendndn</author><pubDate>Wed, 03 Jun 2026 01:00:15 +0800</pubDate><description><![CDATA[∂L∂Wjpj−1jyiXi∂Wj​∂L​pj​−1jyi​))Xi​拆开看就是：如果j如果j为什么会乘上X[i]？]]></description><category></category></item><item><title><![CDATA[关于文法G2算符优先分析的一个坑]]></title><link>https://blog.youkuaiyun.com/Jsjendndn/article/details/161546713</link><guid>https://blog.youkuaiyun.com/Jsjendndn/article/details/161546713</guid><author>Jsjendndn</author><pubDate>Sat, 30 May 2026 18:46:23 +0800</pubDate><description><![CDATA[这个问题的本质不是“不会推导”，而是：算符优先分析依靠终结符之间的优先关系，而T→ST \to ST→S这种单位产生式只涉及非终结符，因此它无法仅凭优先关系判断什么时候应该做S⇒TS⇒T。所以如果题目要求严格按照算符优先分析表来写过程，这个文法本身就不太适合直接使用标准算符优先分析方法。]]></description><category></category></item><item><title><![CDATA[递归下降分析]]></title><link>https://blog.youkuaiyun.com/Jsjendndn/article/details/161544794</link><guid>https://blog.youkuaiyun.com/Jsjendndn/article/details/161544794</guid><author>Jsjendndn</author><pubDate>Sat, 30 May 2026 15:53:32 +0800</pubDate><description><![CDATA[递归下降分析中，选择哪个产生式主要依赖两个东西：第一，当前的 lookahead token。第二，各个候选式的 FIRST 集。对于文法：因为：所以：text 看到 number，就选择 E → number 看到 ‘(’，就选择 E → (E+E)而 3 之所以会被看成 number，是因为在语法分析之前，词法分析器已经完成了 token 分类。这也是我理解递归下降分析时最关键的一点：语法分析器不是直接分析字符，而是分析 token。]]></description><category></category></item><item><title><![CDATA[深度学习底层核心原理：损失函数、梯度与参数更新]]></title><link>https://blog.youkuaiyun.com/Jsjendndn/article/details/161525634</link><guid>https://blog.youkuaiyun.com/Jsjendndn/article/details/161525634</guid><author>Jsjendndn</author><pubDate>Sat, 30 May 2026 00:55:10 +0800</pubDate><description><![CDATA[很多初学深度学习的人，都能看懂代码、会调用优化器，但始终搞不懂最底层逻辑：损失函数到底有什么用？为什么求梯度、反向更新参数，就能让模型越来越准？本文从零拆解，讲透线性分类/神经网络通用的训练底层逻辑。当前位置下，自变量W小幅变动时，损失L的变化趋势与变化幅度。Loss：量化模型的错误程度；梯度：告知模型怎么调W会变得更差；梯度下降：反着梯度方向更新W，持续降低错误；所有神经网络、分类模型的训练，底层全部遵循这套逻辑。底层核心：全部依靠梯度下降，反向更新权重W；辅助优化。]]></description><category></category></item><item><title><![CDATA[LL(1)文法例题]]></title><link>https://blog.youkuaiyun.com/Jsjendndn/article/details/161491773</link><guid>https://blog.youkuaiyun.com/Jsjendndn/article/details/161491773</guid><author>Jsjendndn</author><pubDate>Thu, 28 May 2026 18:47:30 +0800</pubDate><description><![CDATA[(1) 计算每个非终结符的 FIRST 和 FOLLOW 集合。(5)按顺序写出对句子i+i进行预测分析时，分析栈的状态。printf("分析成功");(2)证明文法是 LL (1) 的。(4)构造递归下降分析程序。(3)构造预测分析表。4.递归下降分析程序。]]></description><category></category></item><item><title><![CDATA[图书馆门禁如何识别校园卡]]></title><link>https://blog.youkuaiyun.com/Jsjendndn/article/details/161461538</link><guid>https://blog.youkuaiyun.com/Jsjendndn/article/details/161461538</guid><author>Jsjendndn</author><pubDate>Wed, 27 May 2026 20:51:06 +0800</pubDate><description><![CDATA[先纠正一个关键点：线圈本身不存任何数据，存数据的是卡里的芯片，线圈只负责“传信号、供电”。存储数据的是埋在卡里面的微型IC芯片，线圈只是帮芯片“通电、传话”。芯片=带号码的小录音机。学号是后台数据库绑定出来的，换一张卡、重新绑定卡号和学号，照样能用。◦ 芯片收到指令后，把自己存储的卡号数据，调制到电磁波上，通过卡上的环形线圈发射出去。2. 卡片靠近后，卡内的环形线圈切割磁感线，根据电磁感应定律，线圈两端产生感应电压。我们看到的卡上铜丝/印刷铜线，就是天线线圈，它只是导线绕成的环路，没有存储能力。]]></description><category></category></item><item><title><![CDATA[设计属性文法]]></title><link>https://blog.youkuaiyun.com/Jsjendndn/article/details/161442127</link><guid>https://blog.youkuaiyun.com/Jsjendndn/article/details/161442127</guid><author>Jsjendndn</author><pubDate>Wed, 27 May 2026 09:21:51 +0800</pubDate><description><![CDATA[]]></description><category></category></item><item><title><![CDATA[实训1227]]></title><link>https://blog.youkuaiyun.com/Jsjendndn/article/details/156329169</link><guid>https://blog.youkuaiyun.com/Jsjendndn/article/details/156329169</guid><author>Jsjendndn</author><pubDate>Sun, 24 May 2026 16:44:43 +0800</pubDate><description><![CDATA[config这个项目是一个典型的，各个文件 / 目录的作用和联系可以按 “分层架构” 来理解，核心是实现用户相关的业务功能（比如注册、登录、用户管理）。]]></description><category></category></item><item><title><![CDATA[不以0开头的偶数集和奇数集]]></title><link>https://blog.youkuaiyun.com/Jsjendndn/article/details/161366811</link><guid>https://blog.youkuaiyun.com/Jsjendndn/article/details/161366811</guid><author>Jsjendndn</author><pubDate>Sun, 24 May 2026 16:43:05 +0800</pubDate><description><![CDATA[]]></description><category></category></item><item><title><![CDATA[编译原理判断是什么文法]]></title><link>https://blog.youkuaiyun.com/Jsjendndn/article/details/161364568</link><guid>https://blog.youkuaiyun.com/Jsjendndn/article/details/161364568</guid><author>Jsjendndn</author><pubDate>Sun, 24 May 2026 13:54:50 +0800</pubDate><description><![CDATA[]]></description><category></category></item></channel></rss>