文章目录说明1. 图像点处理1.1 图像翻转1.2 幂运算和对数运算2. 直方图处理说明本文记录数字图像处理相关问题。导入的依赖如下：import cv2import matplotlibimport matplotlib.pyplot as pltimport numpy as npfrom PIL import Imagematplotlib.rcParams['font.sans-serif

激活函数（Activation Function）是一种添加到人工神经网络中的函数，旨在帮助网络学习数据中的复杂模式。在神经元中，输入的input经过一系列加权求和后作用于另一个函数，这个函数就是这里的激活函数。

很早绘制的一些模型图，当时放在CSDN的草稿里，今天发现了，把它分享出来吧，还能更清晰的帮助理解！

DCN（Deep & Cross Network，深度交叉网络）是一种用于点击率预估（CTR）的深度学习模型，由Google和斯坦福大学于2017年提出。它结合了显式特征交叉和深度神经网络的优势，能够高效地学习低阶和高阶特征交互，而无需手动特征工程。

本文提出了一种基于生成式检索的推荐系统TIGER，通过语义ID替代传统随机ID表示物品。该方法首先利用RQ-VAE将物品内容特征编码为分层语义ID，再使用Transformer模型自回归预测用户下一交互物品的语义ID。实验表明，TIGER在多个数据集上显著优于现有SOTA模型，并展现出更好的泛化能力，尤其在冷启动和多样性推荐场景中表现突出。该方法通过语义结构打破传统推荐系统的反馈环路，实现了相似物

神经网络依靠激活函数突破线性限制，获得强大的非线性表达能力。线性模型（如y=3x+5）只能处理简单关系，但现实问题（如图像识别、语义理解）需要非线性映射（如曲线、交互效应）。若无激活函数，多层网络仅是线性叠加，无法学习复杂模式。ReLU、Sigmoid等激活函数引入非线性变换，使网络能拟合任意连续函数（通用逼近定理）。例如，图像识别需捕捉边缘、纹理等非线性特征，自然语言需理解语义反转等复杂逻辑。激

git sparse-checkout set dldemos/ddim， 其中dldemos/ddim表示https://github.com/SingleZombie/DL-Demos这个目录下的相对路径。注：ddim项目的地址为：https://github.com/SingleZombie/DL-Demos/tree/master/dldemos/ddim。现需要克隆：https://gi

1.问题描述国内打开GitHub总是会出现“无法打开该网络”的问题2.解决方案Step1: 打开github.com.ipaddress.com获取github域名地址eg：Step2: 打开https://ipaddress.com/website/github.global.ssl.fastly.net获取fastly地址eg:Step3: 使用管理员身份打开记事本，在记事本左上角选择“打开”

1.IPfilezilla上面的IP是共有Ip，端口来说是212.端口设置需要在阿里云服务器的安全组里面开放21端口，有些也可能是22端口，以防万一，可以都打开3.FileZilla默认为FTP传输协议如果多次连接还是不成功，可以更改为SFTP 协议，如图：解决了以上问题，基本上就能连上了。...

文章目录说明1. batch和batch_size2. step、iteration、epoch说明全部基于自己的实践理解，如有不对之处，欢迎在评论区指出。1. batch和batch_size还是以例子进行解释吧，假设我们有2000个数据样本，设batch_size = 100,则 batch = 2000/100 = 20.注：batch_size 一般取32，64，128等2的N次方，bat