博客

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，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，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，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。

反编译apk获取米游社salt（LK2 & K2）

闲的无聊整的Blog诞生了！🎉🍾

继HTML后的CSS记录