EncodingLee的博客

本文以“配置大脑”为喻，形象讲解如何通过OpenAI SDK与DeepSeek等大模型通信。核心在于正确设置api_key和base_url，借助SDK封装好的请求流程，简化调用复杂度。只需一行代码初始化客户端，即可高效发送请求、获取响应，实现与AI的标准化对话交互。

为深入理解主流深度学习框架底层运行逻辑，本文基于 NumPy 从零自主实现轻量化张量深度学习框架 PyTensor。项目以多维张量为核心数据载体，搭建完整计算图与自动微分机制，完成正弦、幂运算等基础数学算子，线性层、激活函数等神经网络模块，以及 SGD 优化器；全部底层逻辑手写实现，无第三方深度学习框架封装依赖，可直观复现前向传播、反向传播梯度推导全过程。该框架结构简洁易读，适合深度学习初学者研究自动微分、计算图构建与神经网络训练核心原理，也可用于小规模自定义神经网络验证实验。

1943年，生物学家沃伦.麦克洛克和数学家沃尔特.皮茨提出了模仿生物神经元结构的数学模型，称为 M-P 模型。生物神经元是一种神经细胞，主由多个树突，一个轴突（末端有多个神经末梢），一个胞体组成，如图1-1所示。 在一个典型的生物神经元中，树突接收并输入信息，细胞核处理信息，轴突过滤信息，轴突末梢输出信息，并由下一个生物神经元接受。M-P模型是对生物神经元工作流程的简化和模拟，其结构如图1-2所示。 神经元可以接收多个输入信号， xix_ixi​ 表示从第 iii个神经元

人工神经网络入门-感知机学习算法

神经网络

​ ​ ​ ​ ​ ​ ​ ​ Facebook公司开发的PyTorch框架是端到端深度学习平台最受欢迎的框架，是一个由Python、C++和CUDA语言编写的免费开源软件库，被广泛用于计算机视觉、语音识别和自然语言处理等深度学习领域。PyTorch有两大优势：一是具有强大GPU加速的张量计算；二是包含自动求导系统的深度神经网络。