精读transformer论文

本文介绍了Ollama本地大模型部署工具的使用方法。主要内容包括：下载安装Ollama（版本0.16.3）、部署轻量级qwen3:0.6b模型、运行与退出操作。重点讲解了Ollama提供的API接口，包括聊天对话、文本向量化、模型管理等8个核心接口的调用方法和Python示例代码，特别详细说明了/chat和/embeddings接口的使用场景和请求格式。文章还提及了因硬件限制选择小模型的考虑，为本

本文介绍了如何使用Gradio库快速创建交互式Web应用。主要内容包括：1) 基础安装和简单文本处理示例；2) 各种输入输出组件的使用方法；3) 布局容器组件(Row、Column、Tab等)的配置；4) 专门用于聊天机器人的ChatInterface组件及其参数说明。通过代码示例展示了如何构建包含文本输入、按钮和下拉菜单的界面，以及创建对话式AI应用的方法。Gradio提供了简单易用的API，适

Network-in-Network（NiN）是一种深度学习架构，它在2013年由Lin等人提出，旨在提高传统卷积神经网络（CNNs）的性能。卷积核来降维，这样虽然加大了网络深度，但是也减少了参数量和计算量，网络结构如上图b所示。去掉两个辅助分支，只复现主要分支(详细请看网络结构)，并进行实验，对猴痘病图片进行分类。黄色是头部，主要用于数据处理的，绿色是上面介绍的Inception Module结

分组卷积最早出现在AlexNet网络中，在这里将通道数分成两组，采用两个GPU并行提取特征，网络结构如下：提取到的特征图如下：作者发现第一组提取的主要是黑白特征，第二组提取的主要是彩色特征，这样分组特征可以更好的提取不同特征数据。普通卷积 VS 分组卷积先看常规卷积c * k * k如下图左边所示分组卷积，就是对输入的feature map进行分组，然后每组分别卷积。假设输入feature map

随意线索，不随意线索不随意线索：不随着自己的意思，就像上图左边所示，注意力集中在红色杯子；不随意线索：随着自己的意思，带有目的性的，如图右边所示，注意力集中在书本。

定义(统计学习方法)：分类决策树模型是一种描述对实例进行分类的树形结构，决策树由节点、有向边组成，节点类型有两种，内部节点和叶子节点，内部节点表示一个特征或者属性，叶子节点表示一个类。决策树与if-then学过任何语言的人都知道if-else结构，决策树也是这样，如果if满足某一种条件，则归到一类，不满足条件的归到另外一类，如此循环判断，一直到所有特征、属性和类都归类到某一类，最终形成一颗树注意：

是谷歌在2015年提出，是的进阶版，对于Inception系列网络来说，他是当时第一个在100层卷积网络却依然可以取得好效果的网络(ResNet还没有提出来)，相比于更深入得网络结构，在中，包含了48层卷积网络，这可以提取出更多特征，从而获得更好成果；使用分解卷积，将较大的卷积核分解为多个较小的卷积核，在保持良好性能的情况下，依然降低了网络参数量，减少计算复杂度；使用BN层，

当然，结合案例实战，看代码是如何构建神经网络的才是最重要的，下面就是一个股价预测案例，核心是在于怎么构建LSTM网络结构，怎么进行前向传播。

这是一道“泰迪杯“杯的数据分析赛题，对于我现阶段，难度还是很大的，参考了不少资料做完的，这一次我再一次意思到了自己的实力🌵🌵🌵🌵🌵🌵；熟练使用Pandas、机器学习库是基础😢😢😢😢😢😢😢;我感觉数据分析具有很强的业务性，很适合学生去学习，从而了解业务；这一次代码量很大，观看起来应该都很麻烦，但是总体坐下来对数据分析逻辑也有了不小帮助；