我们PyTorch有属于自己的作业帮
。我发现了一份超实用的《20天攻克PyTorch指南》！这份指南的题目是按照难易程度精心分类的，每个主题所需的学习时间也都标注得清清楚楚。每天只需抽出30分钟到2小时，就能循序渐进地掌握PyTorch...
排序
带你从头构建Transformer
。掌握Transformer模型还是超级有必要的，特别是对LLM感兴趣的人来说，今天这个教程中，我们将带大家使用 PyTorch 从零开始构建一个基础Transformer模型。构建Transform...
PyTorch真不难！学完这51页就牛了
。零基础入门教都给小伙伴们整理好啦 想自学的包子赶紧住！！ 掌握Pytorch实则并不难，只需20天就能精通！ 这本著作无疑是Pytorch初学者的福音，它秉持“简化思考”的理念，致力于让读者轻松步入...
Meta 刚刚在 Hugging Face 上发布了 MobileLLM-R1 边缘推理模型，参数少于 10 亿 性能提升 2–5×，超越其他完全开源模型：MobileLLM-R1 MATH 准确率上比 Olmo-1.B 高约 5 倍，比 SmolLM2-1.7B 高约 2 倍
与 Qwen 相比，仅使用 1 10 的预训练 token：仅用 4.2 万亿 token（仅占 Qwen3 的 36 万亿 token 的 11.7%）进行训练，就在多个推理基准测试中达到或超过 Q...
研究生搞深度学习怎么选择？！
。就目前来看，我提议学习pytorch。代码结构与框架设计第一，TensorFlow的代码结构相较于PyTorch显得更加臃肿，且源代码框架设计上不如PyTorch那样规整合理。这也是为何在过去工业界...
如何通过推理加速优化你的大模型？
目前大模型火归火，但落地一看推理慢、资源吃紧，许多都跑不动，特别是在边缘设备或者商用场景里。所以推理加速优化，真的就是决定能不能真正work的关键。我们来聊聊2025年比较实用、还挺有前景的优化手段...
*°▽°* 深度学习的好处，千万别错过！
第1集 | 。信任许多人都听过深度学习，也知道深度学习很好。可是，深度学习究竟有多好，你知道吗？ 深度学习的本质如果把大脑比作成一个加工厂，其头号任务是选择高质量的知识进行深加工。这种深加工不仅包括知...
论文带读系列2023
第4集 | 。深度学习是指在教师的引领下，学生围绕具有挑战性的主题，全身心积极参与，体验成功，获得发展的有意义的学习过程。五个特征:联想与结构 体验与活动 本质与变式 迁移与应用 价值与评价 读后感...
SFTSuitedFine-Tuning SFT是一种机器学习技术，特别是在深度学习领域，它指的是在一个预训练的模型基础上，通过在特定任务上进行额外的训练来进一步优化模型的性能
以下是SFT的一些关键点： 预训练模型在SFT中一般从一个已经在大规模数据集上训练好的模型开始，这个模型已经学习了大量通用的特征，可以作为进一步训练的基础。 SFT的目标是让模型在某个特定的任务上表现...
大模型推理优化的几个常见技术
。结构裁剪面对超大参数量模型，不做裁剪直接部署，那是真不现实。常用的一招是剪掉影响不大的层，列如中间冗余的attention block，或者MLP里维度特别高的部分。 也可以用结构重参数化的思路，把...
机器学习入门总搞不懂核心概念？！
全网唯一用 2 万字、100 张图、100 个例子把 100 个机器学习核心概念讲透的干货！从数据、学习过程到模型，一步步拆解超清晰，新手也能轻松入门，提议收藏慢慢啃～
2025深度学习8大算法模型详解！
。深度学习算法在许多领域都有超级广泛的应用，包括：计算机视觉、自然语言处理、语音识别、视频分析、生物信息学、金融市场等。 对于算法小白来说，深度学习可能有点难，但是别担心，今天我帮大家整理了深度学习的...
大模型推理性能如何优化？
1. 模型压缩，轻量化是关键说到大模型，大家都知道它的计算量大，推理慢。要想提升推理性能，第一得思考模型的压缩。实则，许多时候并不是非要用那么重的模型。通过剪枝、量化这些技术，你可以大幅减少模型的计算...
还得是神经网络！就是这么帅啊！！
。基础概念：神经网络与线性变化神经网络的核心原理是利用连续线性变化和非线性激活函数的组合。线性变化类似于函数 y=kx+by = kx + by=kx+b，通过对输入进行加权求和并加上截距，得到一条直...
牛津博士力作，解决你99%的深度学习问题
。《深度学习图解》Grokking Deep Learning是一本旨在协助读者直观理解深度学习概念的书籍。这本书采用图解的方式，简化了深度学习的复杂理论，使得初学者能够更容易地掌握这一领域的基础。书...
多模态大模型的前沿算法
。LLaVA架构视觉编码器+语言模型的融合，LLaVA算法我感觉还挺好用的。它用Vision Transformer提取图像特征，然后直接接入大语言模型，简单粗暴但效果炸裂。最大的好处就是可以复用现有...
深度学习24种神经网络架构速览
。 感知器极简鼻祖 二分类 数据库编码 前馈网络FF全连接架构 图像 语音识别 径向基RBN函数逼近 股价预测神器 深度前馈DFF防过拟合 ECG降噪 循环RNN时序记忆 机器翻译 LSTM三道记忆门...
多模态大模型视觉编码器优化
。 视觉编码器扩展：传统的视觉语言模型（VLM）如CLIP使用的是基于ViT的编码器，一般采用监督学习进行训练。这些模型通过对齐图像与文本标签来提取图像特征，但对于分布外图片的处理存在不足，可能导致图...
有被这个Transformer 惊艳到！
第一介绍四种不同类型的视觉语言预训练（VLP）模型，并归纳两种模态相互作用方式及三种视觉嵌入方式，最后探讨ViLT的设计思路。 视觉与语言模型分类：四种VLP模型的示意图中，各矩形的高度表明计算量的大...
PyTorch实用教程|从零基础到精通~
在GitHub上，有一份名为《从零到精通深度学习 PyTorch》的开源教程，它详细讲解了PyTorch的基本概念、深度学习的整个流程、计算机视觉的应用、自定义数据集的处理、模块化编程的技巧以及模型部...
十分钟！彻底搞懂Transformer
。Transformers 亮相以来彻底改变了深度学习模型。 今天将从各方面进行对 Transformer 解释， 包括基本概念、理论基础、完整案例、模型分析、优缺点、与其他算法的对比等等。
深度学习入门建议~来啦！！！！
[飞吻R]只是个人的一些提议，觉得先跑通了一个项目，才会知道这是干什么的，要不然刚上来就一堆公式推导容易被劝退。[星R]深度学习简单来说就是学习一个函数，输入一个x，得到一个y。而我们要做的就是设计一...
1
2
