用小白也能看懂的方式,从一个最简单的神经元开始,串起向量点积、Loss 计算、求导、梯度下降、反向传播,并实现一个 PyTorch 多层神经网络。
从一个神经元到多层神经网络:线性代数、求导、Loss 与 PyTorch 实现


用小白也能看懂的方式,从一个最简单的神经元开始,串起向量点积、Loss 计算、求导、梯度下降、反向传播,并实现一个 PyTorch 多层神经网络。
记录一次在 macOS 上用 dd 写入 Windows ISO 后,安装器提示缺少驱动或看不到安装介质的排查思路,并解释为什么 Etcher、dd 这类原样写盘方式容易踩坑。

从零解释 BiRefNet 的 backbone、decoder、mask 生成、官方训练 loss,以及如何针对镜架鼻托边缘毛刺加入形态学约束。
对 ASM1153E、JMicron JMS 系列、Realtek RTL 系列 USB 存储桥接芯片在 Linux 下的 UASP、TRIM、SMART、稳定性和排查方法做一次实用对比。
记录一次 USB 外接硬盘异常卡顿的排查过程:I/O 繁忙度 100%、读写量很低、uas 超时与 USB reset,并通过禁用 UAS 降级 BOT 模式解决稳定性问题。