Posted at 2024-03-03 学AI/DS  LLM CV NLP ML 

正则化为什么能缓解过拟合的数学原理与直觉理解。正则化之所以能防止过拟合，是因为它改变了优化目标，使模型在拟合数据的同时，为“复杂度”付出代价，从而排除那些依赖极端参数、只对训练噪声有效的解。

Posted at 2024-02-28 学AI/DS  LLM CV NLP ML 

DL梳理，提纲挈领地串联起发展脉络，有助于理解概念。

Posted at 2024-02-24 学AI/DS  CV CS231n 

基于 CV(1)–(9) ，提纲挈领串联计算机视觉从分类基础到检测、分割、可解释性与生成模型的脉络。

Posted at 2024-02-23 学AI/DS  CV 

CS231n Lec16 笔记整合：无监督与密度估计、PixelRNN/PixelCNN、VAE 与 ELBO、GAN 极小极大博弈与训练技巧、三类生成模型对比。

Posted at 2024-02-21 学AI/DS  CV 

CS231n Lec15 笔记整合：卷积核与激活可视化、最大响应块、遮挡与显著图、引导反向传播与梯度上升、DeepDream、神经风格迁移（Gram 矩阵与快速风格化）。

Posted at 2024-02-20 学AI/DS  CV 

CS231n Lec14 笔记整合：语义分割与实例分割、评价指标 mIoU、编码器-解码器与上采样、FCN/SegNet/U-Net、空洞卷积与 ASPP、DeepLab 与 PSPNet 等。

Posted at 2024-02-19 学AI/DS  CV 

CS231n Lec12-13 笔记整合：检测任务定义、两阶段 R-CNN 系列（R-CNN、SPP-Net、Fast/Faster R-CNN、RPN、Anchor、ROI Pooling/Align）、一阶段 YOLO/SSD 思路、IoU 与 NMS、损失与多任务学习。

Posted at 2024-02-17 学AI/DS  CV 

CS231n Lec5&9&10 笔记整合：卷积层/池化/全卷积化、经典架构（LeNet、AlexNet、VGG、GoogLeNet、ResNet）、NiN 与 ResNet 系列改进、轻量化与复杂度。

Posted at 2024-02-17 学AI/DS  CV 

CS231n Lec8&11 与序列建模笔记整合：RNN 前向与 BPTT、多种输入输出拓扑、语言模型与采样、梯度消失/爆炸、GRU/LSTM、双向与深层 RNN、图像标注与视觉注意力。

Posted at 2024-02-15 学AI/DS  CV 

CS231n Lec6-8 笔记，资料整合与一些自己的思考。初始化（激活函数、数据预处理、权重初始化、正则化、梯度检查），训练动态（监控学习过程、参数更新、超参数优化），本文讲解训练神经网络的核心方法：优化方式（SGD、动量更新、Nesterov动量、Adagrad、RMSProp、Adam等），正则化（L2、Dropout），迁移学习，模型集成，常见深度学习框架与硬件。