<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[lin_FS的专栏]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/lin_FS</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; lin_FS]]></copyright><item><title><![CDATA[Weight Decay 参数含义及作用]]></title><link>https://blog.youkuaiyun.com/lin_FS/article/details/158391607</link><guid>https://blog.youkuaiyun.com/lin_FS/article/details/158391607</guid><author>lin_FS</author><pubDate>Wed, 25 Feb 2026 19:55:53 +0800</pubDate><description><![CDATA[你可以把它想象成：“给模型一个惩罚机制：如果你的参数变得太大或太复杂，我就要罚你。这就像训练一个学生：不仅要看他答题是否正确（损失小），还希望他用简洁的方法解题（参数不要太复杂）。Weight Decay 就是鼓励模型“保持简单”的正则化手段。最小化损失函数：其中是任务损失（如交叉熵）。Weight Decay 是一种通过轻微“压缩”模型参数来防止过拟合的技术，相当于告诉模型：“不要把参数弄得太大，保持简洁！参数名含义推荐值权重衰减值，控制正则强度0.01（通用）、微调可试0.00.1。]]></description><category></category></item><item><title><![CDATA[Adam优化器详解]]></title><link>https://blog.youkuaiyun.com/lin_FS/article/details/158391336</link><guid>https://blog.youkuaiyun.com/lin_FS/article/details/158391336</guid><author>lin_FS</author><pubDate>Wed, 25 Feb 2026 19:36:39 +0800</pubDate><description><![CDATA[摘要：Adam优化器是一种结合动量法和自适应学习率优点的深度学习优化算法，广泛应用于BERT、GPT等大规模神经网络训练。它通过独立调整每个参数的学习率，利用梯度一阶矩和二阶矩实现快速收敛。尽管Adam具有自适应学习率、收敛快等优势，但也存在泛化性较差、初始不稳定等问题，特别是其weight decay实现存在缺陷。现代实践中更推荐使用改进版AdamW。本文详细解析了Adam的原理、优缺点、参数设置及代码实现，并对比了SGD、AdamW等优化器，建议在大模型训练中优先选择AdamW。]]></description><category></category></item><item><title><![CDATA[softmax python 代码实现]]></title><link>https://blog.youkuaiyun.com/lin_FS/article/details/158384667</link><guid>https://blog.youkuaiyun.com/lin_FS/article/details/158384667</guid><author>lin_FS</author><pubDate>Wed, 25 Feb 2026 13:49:16 +0800</pubDate><description><![CDATA[【代码】softmax python 代码实现。]]></description><category></category></item><item><title><![CDATA[最少硬币数]]></title><link>https://blog.youkuaiyun.com/lin_FS/article/details/150281906</link><guid>https://blog.youkuaiyun.com/lin_FS/article/details/150281906</guid><author>lin_FS</author><pubDate>Tue, 12 Aug 2025 19:34:02 +0800</pubDate><description><![CDATA[*给定不同面额的硬币 coins 和一个总金额 amount。编写一个函数来计算可以凑成总金额所需的最少的硬币个数。输入: coins = [1, 3, 7], amount = 9。如果没有任何一种硬币组合能组成总金额，返回-1。假设每一种面额的硬币有无限个。]]></description><category></category></item><item><title><![CDATA[eagle笔记]]></title><link>https://blog.youkuaiyun.com/lin_FS/article/details/150279922</link><guid>https://blog.youkuaiyun.com/lin_FS/article/details/150279922</guid><author>lin_FS</author><pubDate>Tue, 12 Aug 2025 18:13:19 +0800</pubDate><description><![CDATA[https://zhuanlan.zhihu.com/p/1924418553764901931EAGLE框架：投机解码需要重思考特征的不确定性_eagle: speculative sampling requires rethinking fe-优快云博客]]></description><category></category></item><item><title><![CDATA[字符串反转]]></title><link>https://blog.youkuaiyun.com/lin_FS/article/details/149978304</link><guid>https://blog.youkuaiyun.com/lin_FS/article/details/149978304</guid><author>lin_FS</author><pubDate>Wed, 06 Aug 2025 18:52:18 +0800</pubDate><description><![CDATA[【代码】字符串反转。]]></description><category></category></item><item><title><![CDATA[反转局部链表]]></title><link>https://blog.youkuaiyun.com/lin_FS/article/details/149755471</link><guid>https://blog.youkuaiyun.com/lin_FS/article/details/149755471</guid><author>lin_FS</author><pubDate>Tue, 29 Jul 2025 20:38:09 +0800</pubDate><description><![CDATA[int val;Node* next;l--;diff--;while (res!return 0;]]></description><category></category></item><item><title><![CDATA[给定一个长度为n的数组，和一个长度为w的滑动窗口，w ＜ n， 窗口沿着数组每次滑动一个位置，求出每次滑动后，滑动窗口内的最大值。 C++实现高效代码]]></title><link>https://blog.youkuaiyun.com/lin_FS/article/details/149614415</link><guid>https://blog.youkuaiyun.com/lin_FS/article/details/149614415</guid><author>lin_FS</author><pubDate>Thu, 24 Jul 2025 20:22:12 +0800</pubDate><description><![CDATA[**边界处理**：窗口形成条件 `i >= w-1` 和过期索引检查 `dq.front() <= i - w`- **记录窗口最大值**：当窗口完整时（`i >= w-1`），队头即为最大值。- **移除冗余队尾**：循环移除队尾小于当前元素的索引（保证单调性）- **空间复杂度 O(w)**：双端队列最多存储 `w` 个索引。- **清理过期队头**：若队头索引超出窗口左边界则移除。- **索引存储**：队列存索引而非值，便于检测窗口边界。- **当前索引入队**：将当前元素索引加入队尾。]]></description><category></category></item><item><title><![CDATA[【无标题】]]></title><link>https://blog.youkuaiyun.com/lin_FS/article/details/135164656</link><guid>https://blog.youkuaiyun.com/lin_FS/article/details/135164656</guid><author>lin_FS</author><pubDate>Thu, 26 Jun 2025 20:34:16 +0800</pubDate><description><![CDATA[这个是很容易理解的，IMU数据在图像数据的前面，就执行积分呀！/--------------------------------------------------代码---------------------------------------------------------//--------------------------------------------------代码---------------------------------------------------------/]]></description><category></category></item><item><title><![CDATA[孩子培养笔记]]></title><link>https://blog.youkuaiyun.com/lin_FS/article/details/7345369</link><guid>https://blog.youkuaiyun.com/lin_FS/article/details/7345369</guid><author>lin_FS</author><pubDate>Thu, 26 Jun 2025 20:33:40 +0800</pubDate><description><![CDATA[曾有记者在某校做过采访，不少孩子都是说平时家长晚饭后就看电视连续剧，除了看些报纸，很少阅读文字类的东西，所以孩子也很少看书，更多的是跟家长一起看电视。比如宝宝要给娃娃穿衣服，当自己努力完成的时候，妈妈不要打扰，当孩子由于发育不完全，无法自主完成的时候，向爸爸妈妈求助时候，这时候就是介入的恰当时间。家长要以鼓励、激励参与的形式参与，不要包办，要进行孩子思维引导，不要让孩子形成依赖感、替代孩子完成一些事情，其实对孩子来说，是不利的！孩子就是你的一面镜子，你怎样去做事，孩子会模仿你的行动。]]></description><category></category></item><item><title><![CDATA[深度学习笔记]]></title><link>https://blog.youkuaiyun.com/lin_FS/article/details/141454025</link><guid>https://blog.youkuaiyun.com/lin_FS/article/details/141454025</guid><author>lin_FS</author><pubDate>Fri, 23 Aug 2024 09:24:37 +0800</pubDate><description><![CDATA[原始图片是2（channel）*3*3对应的卷积核个数也是2， 但是只有一组卷积核，所以输出是 1*2*2。注：在GoogLeNet inception V3中引入了 BN。BN 思想：固定住每一层输出的分布，即均值和方差。加速收敛可以用更大的学习率训练。]]></description><category></category></item><item><title><![CDATA[编译指令集]]></title><link>https://blog.youkuaiyun.com/lin_FS/article/details/139246630</link><guid>https://blog.youkuaiyun.com/lin_FS/article/details/139246630</guid><author>lin_FS</author><pubDate>Mon, 27 May 2024 20:04:51 +0800</pubDate><description><![CDATA[查看编译符号：]]></description><category></category></item><item><title><![CDATA[协方差和方程区别]]></title><link>https://blog.youkuaiyun.com/lin_FS/article/details/139135613</link><guid>https://blog.youkuaiyun.com/lin_FS/article/details/139135613</guid><author>lin_FS</author><pubDate>Thu, 23 May 2024 09:26:12 +0800</pubDate><description><![CDATA[协方差：协方差表示的是两个变量的总体的误差，与只表示一个变量误差的方差不同。协方差用于衡量两个变量的总体误差，而方差是协方差的一种特殊情况，即当两个变量是相同的情况。综上所述，方差和协方差都是重要的统计工具，用于衡量数据的离散程度和变量间的关系。标准差：标准差是方差的平方根，也是描述数据离散性的量。协方差与标准差的关系：协方差不直接与标准差建立联系，但与标准差相关的概念是相关系数，它用于衡量两个变量之间的线性相关程度。协方差与方差的联系：方差可以看作是协方差的特殊情况，即当两个变量完全相同时的情况。]]></description><category></category></item><item><title><![CDATA[kalmanFilter]]></title><link>https://blog.youkuaiyun.com/lin_FS/article/details/139055461</link><guid>https://blog.youkuaiyun.com/lin_FS/article/details/139055461</guid><author>lin_FS</author><pubDate>Mon, 20 May 2024 09:45:50 +0800</pubDate><description><![CDATA[]]></description><category></category></item><item><title><![CDATA[龟兔赛跑之快慢指针]]></title><link>https://blog.youkuaiyun.com/lin_FS/article/details/138697413</link><guid>https://blog.youkuaiyun.com/lin_FS/article/details/138697413</guid><author>lin_FS</author><pubDate>Sat, 11 May 2024 08:53:59 +0800</pubDate><description><![CDATA[【代码】龟兔赛跑之快慢指针。]]></description><category></category></item><item><title><![CDATA[深度学习比较有用的网站]]></title><link>https://blog.youkuaiyun.com/lin_FS/article/details/138229341</link><guid>https://blog.youkuaiyun.com/lin_FS/article/details/138229341</guid><author>lin_FS</author><pubDate>Fri, 26 Apr 2024 20:23:19 +0800</pubDate><description><![CDATA[1.前沿论文学习和效果对比。2.前沿模型结构解析。3.图神经网络的实现。]]></description><category></category></item><item><title><![CDATA[手动学习Cmake]]></title><link>https://blog.youkuaiyun.com/lin_FS/article/details/136036426</link><guid>https://blog.youkuaiyun.com/lin_FS/article/details/136036426</guid><author>lin_FS</author><pubDate>Mon, 05 Feb 2024 09:50:02 +0800</pubDate><description><![CDATA[PROJECT_BINARY_DIR是cmake系统变量，意思是执行cmake命令的目录，我们计划在build目录下执行cmake命令，所以这个变量也就等同于build目录。EXECUTABLE_OUTPUT_PATH是cmake系统变量，意思是生成的可执行文件的的目录，我这里把他改为bin目录，因此生成的可执行性文件会出现在bin目录中。# 参数lib_name：想要查找的库的名称，默认是查找动态库，想要指定查找动态库或静态库。假如说当前的工程目录是这样的，头文件和源文件分离，并含有多个文件夹。]]></description><category></category></item><item><title><![CDATA[python调用C++代码例子]]></title><link>https://blog.youkuaiyun.com/lin_FS/article/details/134981241</link><guid>https://blog.youkuaiyun.com/lin_FS/article/details/134981241</guid><author>lin_FS</author><pubDate>Wed, 13 Dec 2023 20:34:47 +0800</pubDate><description><![CDATA[cmake生成的动态库名字为libmy_module.so。要和cpp代码中红框处的变量名保持一致才行。]]></description><category></category></item><item><title><![CDATA[手动学习深度学习-自学进度总结]]></title><link>https://blog.youkuaiyun.com/lin_FS/article/details/131350014</link><guid>https://blog.youkuaiyun.com/lin_FS/article/details/131350014</guid><author>lin_FS</author><pubDate>Fri, 23 Jun 2023 13:43:03 +0800</pubDate><description><![CDATA[课程地址：https://courses.d2l.ai/zh-v2/沐神：AI大神李沐B站走红：连博导们都在追更，还亲自带你逐段读懂论文跟李沐学AI的个人空间-跟李沐学AI个人主页-哔哩哔哩视频飞桨AI Studio - 人工智能学习与实训社区神经网络与强化学习：飞桨AI Studio - 人工智能学习与实训社区paddlepaddle官网：飞桨PaddlePaddle-源于产业实践的开源深度学习平台python 数据分析：飞桨AI Studio - 人工智能学习与实训社区]]></description><category></category></item><item><title><![CDATA[工具集合-记事本]]></title><link>https://blog.youkuaiyun.com/lin_FS/article/details/131349613</link><guid>https://blog.youkuaiyun.com/lin_FS/article/details/131349613</guid><author>lin_FS</author><pubDate>Fri, 23 Jun 2023 13:35:28 +0800</pubDate><description><![CDATA[4.protobuf 如何解析（大于64MB）超大报文。5.论如何 4 个月高效刷满 500 题并形成长期记忆。]]></description><category></category></item></channel></rss>