qq_39379074的博客

自回归、Seq2Seq、掩码多头注意力机制、集束搜索、交叉注意力

自注意力机制、循环神经网络、Transformer

无监督学习，对比学习，生成对抗网络，自监督学习

本文是对卷积神经网络的一次学习，从图片分类入手，讲解了整个流程，对几个经典模型进行了解与分析

写一个最简单的神经网络项目

本文围绕线性回归模型的构建与训练展开，涵盖数据生成、模型初始化、关键函数定义以及训练流程实现。利用 torch 库生成模拟数据以模拟真实场景，随机初始化模型参数，定义了包括预测计算、损失衡量、参数更新等在内的系列函数，借助数据分批与随机打乱机制，通过多轮迭代训练优化模型，依据损失跟踪与参数对比评估训练效果，为线性回归模型从理论到实践落地提供了一套完整且典型的代码实现范例。

本文章为【李哥考研】课程中，线性函数与多层神经元的章节，为本人学习期间总结且部分内容借助AI理解，涉及神经元、神经网络等知识

机器学习算法一般是基于数学，或者统计学的方法，具有很强的可解释性，例如KNN，决策树，朴素贝叶斯，这几个是经典的传统机器学习算法。听起来可能会有些枯燥，那接下来让我们简单感受一下这几个算法。它基于人工神经网络，通过构建具有多个层次的神经网络模型来学习数据中的复杂模式。这些层次可以自动地从大量的数据中提取特征，从低级特征（如图像中的线条、边缘）逐步构建到高级特征（如物体的形状、纹理）。简而言之就是设计一个很深的网络架构，让机器自己学。