学习-ZHD的小窝

ZHD的小窝

行动起来，活在当下

累计撰写 79 篇文章
累计创建 53 个标签
累计收到 1 条评论

目录CONTENT

以下是学习相关的文章

2025-04-17
示例：简单神经网络中的链式法则与反向传播示例：简单神经网络中的链式法则与反向传播 ‌网络结构‌：输入： x = 2 线性层： z = w \cdot x + b （参数： w = 1 , b = 0 ）激活函数：Sigmoid a = \sigma(z) = \frac{1}{1 + e^{-z}} 损失函数：平方损失 L = (a
- 2025-04-17
- 11
- 0
- 0
- 算法
- AI
2025-04-17
微积分中链式法则和反向传播微积分中链式法则和反向传播链式法则和反向传播是微积分和机器学习中的两个重要概念。链式法则是微积分中的一个基本求导法则，而反向传播则是深度学习中用于训练神经网络的关键算法。链式法则链式法则用于求复合函数的导数。假设有两个函数 y = f(u) 和 u = g(x)，那么复合函数 y = f(g(
- 2025-04-17
- 6
- 0
- 0
- 算法
2025-04-16
AI大模型学习之路（三）阶段1：基础知识储备第二课：概率与统计基础学习目标掌握概率的基本概念：条件概率、贝叶斯定理、独立事件。理解常见概率分布（二项分布、正态分布）及其应用。学会最大似然估计（MLE）的基本思想。实战：用Python模拟概率实验并可视化结果。 1. 概率基础 (1) 概率的定义 • 概率：描述事
- 2025-04-16
- 7
- 0
- 0
- AI
2025-04-15
AI大模型学习之路（二）阶段1：基础知识储备我们从阶段1：基础知识储备的数学基础开始，第一课聚焦于线性代数的核心概念，这是理解AI大模型（如Transformer）的基石。第一课：线性代数基础
- 2025-04-15
- 8
- 0
- 0
- AI
2025-04-15
张量计算张量（Tensor）的定义与基本概念张量（Tensor）是数学和深度学习中的核心概念，可以视为多维数组的泛化。它具有以下特性：阶数（Rank）：张量的阶数等于其轴的数量。例如： 0阶张量：标量（单个数值） 1阶张量：向量（一维数组） 2阶张量：矩阵（二维数组）
- 2025-04-15
- 4
- 0
- 0
- AI
2025-04-15
矩阵计算一、矩阵基础运算 1. 矩阵加法与减法定义：同型矩阵（行数和列数相同）对应元素相加/减。公式：若 A=[aij]，B=[bij
- 2025-04-15
- 4
- 0
- 0
- AI
2025-04-15
向量计算向量计算 1. 向量加法定义：向量加法是两个向量对应分量相加得到的新向量。若向量 A=(a1</
- 2025-04-15
- 5
- 0
- 0
- AI
2025-03-12
AI大模型学习之路（一）一、学习路径建议 1. 基础阶段：掌握核心概念数学与机器学习基础：线性代数、概率论、微积分（尤其是梯度相关计算）。深度学习基础：神经网络、反向传播、优化算法（如Adam、SGD）。 <
- 2025-03-12
- 19
- 0
- 1
- AI