卷积层：核心操作：卷积。 这是 CNN 得名的关键操作。目的： 从输入数据中提取局部特征（如边缘、纹理、颜色模式、更复杂的形状等）。工作原理：定义一个小的、可学习的矩阵，称为卷积核或滤波器。将这个核在输入数据（如图像）上按照一定的步长滑动。在每个滑动位置，核与输入数据覆盖的局部区域进行逐元素相乘，然后将所有乘积结果求和，得到一个输出值。滑动覆盖整个输入后，得到一个二维的特征图，称为激活图或特征图。

无监督学习（无需标签）：将数据集划分为 KK 个互斥子集（簇），使：最小化簇内样本到质心（Centroid）的平方距离和数据集预设簇数 KK最大迭代次数或收敛阈值 ϵKK 个簇质心集合。

深度学习正在从“感知智能”迈向“认知智能”，其与强化学习、图神经网络的融合将开启下一代AI系统。（通常含多个隐藏层），在计算机视觉、自然语言处理等领域实现了突破性进展。跨界应用（CV领域的Vision Transformer、音频处理）深度学习（Deep Learning）是机器学习的子领域，通过。：训练大模型耗能巨大（如GPT-3训练费用约460万美元）利用数据自身构造监督信号（如BERT的掩码

它不是 Prompt 本身，而是：的能力集合如果把大模型比作「大脑」，那。

它不是 Prompt 本身，而是：的能力集合如果把大模型比作「大脑」，那。