简介：个人学习分享，如有错误，欢迎批评指正。。拉普拉斯金字塔可以看作 base + detail 分解，base 就是低分辨率下的低频信号，detail 就是不同尺度下的高频细节。图像的 detail 中只有少部分是高频，大部分细节接近于 0，只要把接近于 0 的那部分数据置为 0，就可以减少数据存储所需空间，同时图像的基本信息不变。实际存储只需要记录每个尺度下的少量高频 + 低分辨率的低频（图面

Noise2Noise: Learning Image Restoration without Clean Data；本篇主要是在自己理解的基础上，总结了诸多的优秀博客。

对决策树的详细学习，包括特征选择标准（信息增益，信息增益比，基尼指数），常见的决策树算法（ID3，C4.5，CART）,决策树的剪枝，以及决策树的python代码

对爬虫的初步学习，包括定义URL，发送GET获取网页内容，分析网页内容，获取目标数据，保存数据，python代码

详细介绍了Prefix-Tuning的前缀向量的构建与作用，与 Transformer 模型的集成，前缀向量的优化与训练，Prefix-Tuning 的核心数学机制，并使用 Prefix-Tuning 对 LLaMA2 进行微调的代码示例。

对爬虫的初步学习，包括定义URL，发送GET获取网页内容，分析网页内容，获取目标数据，保存数据，python代码

对决策树的详细学习，包括特征选择标准（信息增益，信息增益比，基尼指数），常见的决策树算法（ID3，C4.5，CART）,决策树的剪枝，以及决策树的python代码

对常见的距离度量的总结和对比，包括欧式距离，曼哈顿距离，切比雪夫距离，切比雪夫距离，标准化欧式距离， 马氏距离， 余弦距离，汉明距离，杰卡德距离，相关距离，信息熵。且包含公式、python代码、优缺点分析。

LK光流法介绍

Noise2Void - Learning Denoising from Single Noisy Images；本篇主要是在自己理解的基础上，总结了诸多的优秀博客。