文章归档
按日期浏览文章
七月 20267
Blog底层更新记录
把博客底层从 Astro 5 + Tailwind 3 + DaisyUI 4 升级到 Astro 7 + Tailwind 4 + DaisyUI 5 的记录与踩坑
Eino学习笔记
Eino学习笔记 —— 入门篇
Eino学习笔记 —— Agentic 进阶
Eino学习笔记 —— Agentic 高级功能
Eino学习笔记 —— 附录1
Eino学习笔记 —— 附录一：Flow 流程模块 ， ReAct Agent 与 MultiAgent
Eino学习笔记 —— 附录2
Eino学习笔记 —— 附录二：Components 组件模块
Eino学习笔记 —— 附录3
Eino学习笔记 —— 附录三：Lambda 写法、调试工具与可视化
Cloudflare Tunnel 将本地服务暴露至公网
使用 Cloudflared tunnel 将本机任意 HTTP 服务映射到自有域名，配套 VBS 后台静默启停脚本与通用配置文件。
九月 202510
评论聊
这就不用解释了吧∑( 口 || )
深度学习笔记-1：多项式拟合、概率论与信息论基础
深度学习笔记-1，涵盖过拟合与欠拟合、正则化、概率论基础（贝叶斯定理、高斯分布、最大似然估计）以及信息论（熵与KL散度）。对应《深度学习：基础与概念》第1-2章。
深度学习笔记-2：概率分布、线性回归与偏差-方差权衡
深度学习笔记-2，涵盖伯努利分布、多项式分布、多元高斯分布、线性回归的概率推导、决策理论以及偏差-方差权衡。对应《深度学习：基础与概念》第3-4章。
深度学习笔记-3：分类模型与深度神经网络入门
深度学习笔记-3，涵盖分类模型（判别函数、逻辑回归、softmax）与深度神经网络（激活函数、迁移学习、混合密度网络）。对应《深度学习：基础与概念》第5-6章。
深度学习笔记-4：梯度下降、反向传播与正则化
深度学习笔记-4，涵盖梯度下降、反向传播与正则化。对应《深度学习：基础与概念》第7-9章。
深度学习笔记-5：卷积网络与概率图模型
深度学习笔记-5，涵盖卷积神经网络（卷积、池化、目标检测、图像分割、风格迁移）与概率图模型（贝叶斯网络、条件独立性、d-分离）。对应《深度学习：基础与概念》第10-11章。
深度学习笔记-6：Transformer与图神经网络
深度学习笔记-6，涵盖Transformer注意力机制（自注意力、多头注意力、位置编码）、语言模型（GPT/BERT）与图神经网络（消息传递、图卷积、图注意力）。对应《深度学习：基础与概念》第12-13章。
深度学习笔记-7：采样方法与潜变量模型
深度学习笔记-7，涵盖采样方法（蒙特卡洛、MCMC、吉布斯采样）、离散潜变量（K-means、GMM、EM算法）与连续潜变量（PCA、概率PCA）。对应《深度学习：基础与概念》第14-16章。
深度学习笔记-8：GAN、标准化流、自编码器与扩散模型
深度学习笔记-8，涵盖四大生成模型：GAN、标准化流、自编码器与变分自编码器（VAE）、扩散模型。对应《深度学习：基础与概念》第17-20章。
深度学习笔记：术语表
深度学习学习笔记系列的术语速查表，用通俗语言解释所有专业术语。基于Bishop《深度学习：基础与概念》，覆盖概率论、神经网络、优化、CNN、Transformer、生成模型等核心概念。