神经网络常见的 40 多种激活函数：应用场景、数学公式、代码实现与函数图象
1. 什么是激活函数 激活函数，属于神经网络中的概念。 激活函数，就像神经元的开关，决定了输入信号能否被传递，以及以什么形式传递。 为应对不同的场景，激活函数不断发展出了各种实现。它们存在的意义，就是为信号传递赋予不同种类的「非线性」特征，从而让神经网络能够表达更为丰富的含义。 本文旨在梳理常见的
深入理解浮点数与 IEEE754 标准
深入理解浮点数与 IEEE754 标准 在编程或数学计算中，我们常常会遇到一些看似「反常识」的现象： 二进制的 0.1 转换为十进制是多少？十进制的 0.1 又该如何用二进制表示？ 为什么 0.1 + 0.2 的结果不是 0.3，而是 0.30000000000000004？ 单精度和双精度浮点数能
深度学习研究生必看_卷积神经网络之YoLo详解
1. YOLO 算法详解 YOLO（You Only Look Once）是一个非常流行的目标检测算法，基于卷积神经网络（CNN）进行目标检测的任务。 与传统的目标检测算法（如 R-CNN 系列）不同，YOLO 的核心思想是将目标检测问题转化为回归问题，直接从图像中回归出边界框和类别概率，整个过程可
深度拆解_NotebookLM背后的技术_你的个人知识库_是如何变得如此智能的
1- 快速不看版 NLM 是一套分工明确、环环相扣的模块化系统（非端到端模型） 多类型的数据准备和解析做好了大量的前置工程 情景化分块&混合检索（关键字&模糊语义）确保召回率 类 Cross-Encoder 模型作为核对评分器模块，拿着用户问题和召回的文本块匹配计算相关性，确保准确率 前几篇文章已经
如何使用ClaudeCode的每个功能
如何使用 Claude Code 的每个功能 作为 Claude Code 的深度用户，看到这篇文章《How I Use Every Claude Code Feature》觉得非常好，文中详细介绍了 Claude Code 中很多高级功能的作用以及使用技巧，DD 也收获颇丰，所以转过来推荐大家一起
如何在你的业务中选择 RAG 和 Fine-tuning
1. 如何在你的业务中选择 RAG 和 Fine-tuning **RAG（检索增强生成）**和 **Fine-tuning（微调）**是提升大模型业务表现的两条主流路线。本文先讲清楚两者是什么，再从处理速度、准确性、成本三个维度对比差异，最后给出选型思路。 [!info] 阅读导览 第 1 章 背
人工神经网络回归___PyTorch_
1- 深度学习 #Pytorch #回归 #人工神经网络 #ANN PyTorch 这框架挺好用的，灵活又高效，用它来做 ANN 回归很方便。下面用 ANN 进行两种情形的回归预测，一个是单个因变量，另外是多个因变量。 1.1- 单个因变量情形
让RAG告别断章取义_HiChunk做到了
现有 RAG 评测只关心 “检索 - 生成” 两端，对中间的文档怎么切分几乎不测，导致 “证据稀疏” 场景下好坏难分。 腾讯优图提出 HiCBench——第一份专门评测 “切分质量” 的基准，包含人工标注的多级切分点 + 证据稠密 QA。 同时给出 HiChunk 框架：用微调 LLM 把文档先建成
