linda1729
Vision Transformer 理论速记：Patch 到分类头 Vision Transformer 理论速记：Patch 到分类头
Vision Transformer（ViT）一、背景：从卷积到Transformer在计算机视觉领域，卷积神经网络长期占据主导地位。 从LeNet到ResNet，CNN通过卷积层在图像上滑动窗口，捕捉局部特征（如边缘、纹理、形状）。然而，
2024-10-12 专栏 Deep Learning Essentials
Vision Transformer Patch Embedding Position Encoding Transformer Encoder
GitHub 配置与协作实践清单 GitHub 配置与协作实践清单
初始化：账号与 SSH Key 本地生成密钥： ssh-keygen -t ed25519 -C "you@example.com" 将 ~/.ssh/id_ed25519.pub 上传至 GitHub → Sett
2024-10-12 专栏 Maker’s Notes
GitHub Git 开发流程 协作技巧
Multi-Head Self-Attention 直观解析 Multi-Head Self-Attention 直观解析
Multi-Head Self-Attention（多头自注意力机制）一、什么是注意力机制（Attention）？当你看一张图片时，你不会一次性注意所有像素。比如看一只猫，你可能先注意它的头，再注意尾巴、背景等。 注意力机制就是让模型学会
2024-10-11 专栏 Deep Learning Essentials
Vision Transformer Self-Attention Multi-Head Transformer
WSL 网络连通性排查手记 WSL 网络连通性排查手记
常见现象与第一时间自检 apt update 长时间卡住或报错 Temporary failure resolving：说明 DNS 未正确转发。 curl https://google.com 失败但 ping baidu.com 正常：
2024-10-11 专栏 Maker’s Notes
WSL 网络配置 代理 调试技巧
SE Block 理解：通道注意力与重标定 SE Block 理解：通道注意力与重标定
Squeeze-and-Excitation（SE）学习笔记 理论可见：https://cloud.tencent.com/developer/article/1052599； 代码可见：https://gitee.com/gaopurs
2024-10-10 专栏 Deep Learning Essentials
SENet Channel Attention Global Average Pooling CBAM
WSL 入门指南：从安装到日常使用 WSL 入门指南：从安装到日常使用
为何选择 WSL？ 原生体验：在 Windows 下直接运行 Linux 可执行文件，无需虚拟机或双系统。 共享资源：磁盘、剪贴板与网络默认互通，省却跨系统搬运文件的麻烦。 生态兼容：能使用 apt、pip 等原生包管理器，同时调用 Win
2024-10-10 专栏 Maker’s Notes
WSL 开发环境 Windows Linux
灵感捕手与素材库 灵感捕手与素材库
占位内容：分享灵感收集的方法、素材归档体系与跨媒介创作的草图思考，未来会陆续更新记录。
2024-10-09 专栏 Creative Diary
灵感库 创意日记 创作素材
ShuffleNet 结构笔记：通道混洗与高效推理 ShuffleNet 结构笔记：通道混洗与高效推理
ShuffleNet 学习笔记一、ShuffleNet 概述提出背景：MobileNet 使用 Depthwise Separable Conv 减少计算量，但在实际移动端（如 ARM CPU）中仍存在计算瓶颈（尤其是 1×1 卷积耗时多）
2024-10-09 专栏 Deep Learning Essentials
ShuffleNet Lightweight CNN Channel Shuffle Group Convolution
快速原型与材料手记 快速原型与材料手记
占位内容：将整理创客实验的工具清单、材料选择、快速原型过程与调试心得，欢迎后续关注更新。
2024-10-08 专栏 Maker Lab
快速原型 创客实验 硬件手作
MobileNet 架构拆解与倒残差设计 MobileNet 架构拆解与倒残差设计
MobileNetMobileNet v1网络详解传统卷积神经网络，内存需求大、运算量大导致无法在移动设备以及嵌入式设备上运行；所以提出了MobileNet应用到实际生活中。 2017年提出的轻量级CNN网络MobileNet专注于移动端
2024-10-08 专栏 Deep Learning Essentials
MobileNetV2 Lightweight CNN Inverted Residual Depthwise Convolution
事故日志与复盘清单 事故日志与复盘清单
占位内容：整理事故记录模板、复盘关键问题与后续行动清单的最佳实践，待补充真实案例与工具推荐。
2024-10-07 专栏 Resilient Systems
可靠性工程 事故复盘 SRE实务
模块化与抽象的底层逻辑 模块化与抽象的底层逻辑
占位内容：将在这里总结 MIT 6.033 课程与经典案例中的抽象层次、模块化策略，以及在复杂系统中保持可靠性与可维护性的实践经验。
2024-10-07 专栏 Core Foundations
抽象设计 模块化 系统工程
2 / 4