📘
知识整理
围绕人工智能、机器学习、深度学习、计算机视觉等方向，整理基础概念、学习路线和常见问题。
网站介绍
本站以学习笔记和资料归档为主，重点记录人工智能相关知识的学习过程，便于后续检索、复盘和持续完善。
🧪
实验记录
记录模型复现、参数设置、运行环境和结果分析，强调过程可追踪、结论可复核。
📝
阅读札记
对论文、技术文档和公开资料进行摘要式整理，保留个人理解、问题记录和后续改进方向。
学习方向
当前主要关注以下几个方向，后续会根据学习进展持续补充和调整。
🤖
人工智能基础
- 机器学习基本范式
- 模型训练与泛化能力
- 评价指标与实验设计
🧠
深度学习模型
- 卷积神经网络
- Transformer 结构
- 表示学习与特征建模
🛠️
工程实践
- Python 与 PyTorch 环境
- 模型推理与性能测试
- 常见部署与调试问题
近期学习笔记
以下内容为示例性笔记目录，可根据实际内容替换为真实文章链接。
2026-05
线性模型与损失函数学习记录
梳理线性回归、均方误差、梯度下降和参数求解过程中的关键概念。
2026-04
神经网络训练过程中的常见问题
记录学习率、过拟合、归一化、批大小和模型收敛相关问题。
2026-03
计算机视觉论文阅读方法整理
从任务背景、方法结构、实验设置和局限性四个角度总结论文阅读流程。
联系与声明
本站为学习笔记展示页，主要用于个人知识整理与技术学习记录。若页面内容存在表述不准确之处，欢迎通过站点维护邮箱联系修正。本站不从事经营性互联网信息服务，不提供用户生成内容发布、即时通信、在线交易等功能。