Page 1 - Showing 15 of 16 posts
View all posts by years →
-
Paper Reading 1 :transformer In CV2 min read -
ML课程内容复习笔记基础稍微复习一下机器学习的基础内容
16 min read -
Paper Reading 1 :transformer8 min read -
CV基础学习笔记1计算机视觉的基础知识，下游任务、卷积的原理，经典模型（如AlexNet、VGG、ResNet）、Transformer在计算机视觉中的应用（如ViT）等内容。
5 min read -
CS336-3-scaling-law3 min read -
CS336-2-systemLLM的底层，主要是GPU部分
15 min read -
RL的原理-4-值迭代与策略迭代值迭代与策略迭代的原理与算法，有点懵，review++
4 min read -
CS336-1-基础部分LLM的基础知识，包括Tokenization、PyTorch资源计算、LLM架构与超参数等内容。
14 min read -
RL的原理-3-贝尔曼最优公式贝尔曼最优公式求解方法以及性质
4 min read -
RL的原理-2-贝尔曼公式贝尔曼公式
4 min read -
RL的原理-1-基本概念强化学习（Reinforcement Learning, RL）中的一些基本概念，包括状态、动作、奖励、策略等。
4 min read -
ML-DL-RL的信息论基础信息论的基础知识，包括自信息、信息熵、最大熵原理、KL散度、交叉熵、联合熵、条件熵和互信息等内容。
6 min read -
pytorch coding笔记pytorch的基础使用，包括模型创建、数据加载、训练与评估等内容。
7 min read -
ML-DL-RL的概率论基础概率论的基础知识，包括基本概念、概率分布（离散和连续）、联合概率分布、边缘概率、条件概率与独立性、贝叶斯定理、期望、方差和协方差等内容。
8 min read -
NLP基础学习笔记1NLP的基础知识，包括基本概念、词嵌入、经典NLP模型（如Word2Vec、RNN、LSTM、GRU）、Transformer在NLP中的应用（如BERT、GPT）等内容。
3 min read