写文章
- @m0_70850754
简介
该用户还未填写简介
擅长的技术栈
未填写擅长的技术栈
可提供的服务
暂无可提供的服务
卷积神经网络（CNN）与深度学习视觉应用综述
在深度学习领域，卷积神经网络（CNN）是实现计算机视觉任务的基石。通过对这些基础理论的学习，我们能够构建起从特征提取到复杂场景理解的知识体系。
从“单字接龙”到看懂世界：视觉大模型与 ViT 完全指南
从文本的单字接龙，到图像的 Patch 切分，Transformer 架构凭借其简洁与通用性，成功一统了 NLP 与 CV 的江湖。理解了 ViT，你就拿到了通往多模态大模型时代最关键的一把钥匙。
卷积神经网络（CNN）与深度学习视觉应用综述
在深度学习领域，卷积神经网络（CNN）是实现计算机视觉任务的基石。通过对这些基础理论的学习，我们能够构建起从特征提取到复杂场景理解的知识体系。
从“单字接龙”到看懂世界：视觉大模型与 ViT 完全指南
从文本的单字接龙，到图像的 Patch 切分，Transformer 架构凭借其简洁与通用性，成功一统了 NLP 与 CV 的江湖。理解了 ViT，你就拿到了通往多模态大模型时代最关键的一把钥匙。
从线性回归到卷积神经网络：神经网络入门的一条主线
本文系统梳理了神经网络的发展脉络：从线性回归和分类的基础模型出发，逐步引入感知机、多层网络和BP算法，最终发展为卷积神经网络。文章揭示了神经网络演化的内在逻辑：从简单线性拟合到复杂非线性建模，从全连接到局部连接，始终围绕模型表达、误差定义和参数更新三个核心问题展开。特别强调了BP算法作为训练框架的通用性，以及CNN针对图像特性的结构创新。这种渐进式的学习路径有助于理解深度学习并非"黑箱&
到底了