本文概述 AI 的发展历程，梳理出从早期神经网络模型到现代大型语言模型发展过程中的重要里程碑。

本文深入浅出地讲解了 Softmax 函数的原理和作用。

最近，一篇名为 KAN: Kolmogorov–Arnold Network 的论文在机器学习领域引起了广泛关注。本文将带你快速理解 KAN 的核心概念。

在人工智能领域，液态神经网络是最关键的新兴模型之一。液态神经网络（LNN）是一种神经网络，它顺序处理数据并能够实时适应变化的数据，非常类似于人类大脑。本文介绍了如何用PyTorch实现液态神经网络。

本文将在《Stable Diffusion原理详解》和《Diffusion Model 深入剖析》这两篇文章的基础上，进一步细致地讲解 Stable Diffusion 的算法原理。

本文几乎涵盖了关于 Transformer 和注意力机制的所有必要内容，包括自注意力、查询、键、值、多头注意力、掩码多头注意力和 Transformer 架构，以及完整的PyTorch实现。 希望阅读完本文大家对 Transformer 能有深入的理解。

万字长文，超详细一步一步教你在本地部署运行当下超火的Stable Diffusion模型，生成各种风格图像。

参考Yoon Kim的论文"Convolutional Neural Networks for Sentence Classification"，实现TextCNN卷积神经网络进行文本分类。

梯度下降是机器学习中最常见的优化算法之一。理解它的基本实现是理解所有基于它构建的高级优化算法的基础。本文详细为大家推导了 MSE 作为损失函数时的梯度下降公式。

随着ChatGPT的火爆，越来越多人希望在本地运行一个大语言模型。为此我维护了这个开源大语言模型汇总，跟踪每天不发的大语言模型和精调语言模型。