学习

Linux学习笔记 基础Linux命令

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，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，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，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，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。