当前位置：首页 > news >正文

（1）深度学习基础知识（八股）——常用名词解释

news 来源：原创 2025/6/27 22:47:35

1. FC

FC全称是Fully Connect全连接层，也被称为Linear Layer线性层。

它的核心是：每个输入神经元与每个输出神经元都要通过权重连接，适用于将输入特征映射到高维或者低维空间。

数学表示

对于一个输入向量 $x\in \mathbb{R}^{n}$ ,FC的计算方式是：

$y=Wh+b$

$W\in \mathbb{R}^{m\times n}$ 是权重矩阵（m 是输出维度，n 是输入维度）。
$b\in \mathbb{R}^{m}$ 是偏置向量。

代码表示

示例一：
import torch
import torch.nn as nn# 定义一个全连接层（输入维度是3，输出维度是5）
fc_layer=nn.Linear(in_features=10,out_features=5)# 输入数据（batch_size=3, 特征维度=10）
x = torch.randn(3, 10)  
# 前向计算
output = fc_layer(x)  # 输出形状: (3, 5)
示例二：
# 定义一个FC层（输入512维，输出2048维）
fc = nn.Linear(3, 2)
x = torch.randn(3, 10, 512)  # (batch_size, seq_len, d_model)
fc = nn.Linear(512, 2048)     # 输入维度=512，输出维度=2048
output = fc(x)                # 输出形状: (3, 10, 2048)
注意

nn.Linear 的设计会自动处理高维输入，仅对最后一个维度进行线性变换，而保持其他维度不变。

若输入 x 的形状为 (D1, D2, ..., Dn, in_features)，则输出形状为 (D1, D2, ..., Dn, out_features)。

2. MLP

MLP全称是MultiLayer Perceptron，多层感知机。

MLP = 输入层 + 隐藏层（至少一层）+ 输出层

每一层包含多个神经元，层与层之间全连接FC（Fully Connected）。

数学表示

3层MLP，也就是单隐藏层的MLP：

$h=\sigma (W_1x+b_1),y=W_2h+b_2$

输入 → FC → ReLU → FC → 输出

x 是输入，h 是隐藏层输出，y 是最终输出。
σ 是非线性激活函数。

代码表示

Class MLP(nn.Module):def __init__(self,input_dim=10,hidden_dim=20,output_dim=5):super().__init__()self.layers=nn.Sequential(nn.Linear(input_dim,hidden_dim), # 第一层FCnn.ReLU(),                       # 激活函数nn.Linear(hidden_dim.output_dim) # 第二层FC)def forward(self,x):return self.layers(x)# 使用MLP
mlp=MLP()
x=torch.randn(3,10)
output=mlp(x)  # (3,5)

3. FFN

FFN全称是FeedForward Network，前馈神经网络，也称为多层感知器MLP(MultiLayer Perceptron)。

FFN 是一个更广义的概念，指任何没有循环或反馈连接的神经网络，包括MLP。

Transformer中的FFN

在特Transformer中，FFN 特指一种 带有残差连接的两层全连接网络。

数学表示

$FFN(x)=ReLU(xW_1+b_1)W_2+b_2$

第一层：扩展维度（通常放大4倍），使用ReLU激活。
第二层：压缩回原始维度。
残差连接：FFN的输出会与输入相加（x+FFN(x)）。

代码表示

import torch
import torch.nn as nn
class FFN(nn.Module):def __init__(self, d_model=512, d_ff=2048, dropout=0.1):super().__init__()# 第一层：扩展维度 (d_model → d_ff)self.fc1 = nn.Linear(d_model, d_ff)# 第二层：压缩回原始维度 (d_ff → d_model)self.fc2 = nn.Linear(d_ff, d_model)# 激活函数和Dropoutself.relu = nn.ReLU()self.dropout = nn.Dropout(dropout)def forward(self, x):# 残差连接保留原始输入residual = x# 第一层 + ReLU + Dropoutx = self.dropout(self.relu(self.fc1(x)))# 第二层x = self.fc2(x)# 残差连接 + Dropout（可选）x = self.dropout(x) + residual  # 原始Transformer论文中此处无Dropoutreturn x
# 使用示例
ffn = FFN(d_model=512, d_ff=2048, dropout=0.1)
x = torch.randn(3, 10, 512)  # (batch_size, seq_len, d_model)
output = ffn(x)

4、MLP 与 MLP的区别

在机器学习和深度学习中，MLP(多层感知机)和 FFN(前馈神经网络)在很大程度上可以视为同义词，都指代了一个具有多个层的前馈神经网络结构。

MLP(多层感知机)更偏向于表达网络结构(多个全连接层)
FFN(前馈神经网络)更偏向于表达数据以前馈的方式流动

MLP 和 FFN 通常指的是只包含全连接层和激活函数的神经网络结构。这两者都是基本的前馈神经网络类型，没有包含卷积层或其他复杂的结构。

5、Logit

Logit 通常指神经网络中最后一个隐藏层的输出，经过激活函数之前的值，例如：

对于二分类问题，logit是指网络输出的未经过sigmoid函数处理的数据；
对于多分类问题，logit是指网络输出的未经过softmax函数处理的数据。

数学表示

在分类任务中，假设模型有 C 个类别，Logit 是模型最后一层（通常是全连接层）的输出：

$logits=[z_1,z_2,...,z_c]$

$z_i$ 是模型对第 i 个类别的原始预测值（未归一化）。
这些值可以是任意实数（正、负或零），范围不受限制。

Logit 与概率的关系

多分类任务

Logit 本身不是概率，但可以通过 Softmax 函数转换为概率：

$p_i=\frac{e^{z_i}}{\sum_{j=1}^{C}e^{z_j}}$

Softmax 的作用：

将 Logit 转换为概率分布（所有 pi之和为 1）。
放大较大的 Logit，抑制较小的 Logit（指数运算的影响）。

代码表示
import torch
logits = torch.tensor([2.0, 1.0, 0.1])  # 模型输出的原始分数
probs = torch.softmax(logits, dim=0)     # 转换为概率
print("Logits:", logits)  # tensor([2.0000, 1.0000, 0.1000])
print("Probs:", probs)    # tensor([0.6590, 0.2424, 0.0986])
二分类任务

在二分类任务中：Logit 是单个标量 z（不是向量）。通过 Sigmoid 转换为概率：

$p=\sigma (z)=\frac{1}{1+e^{-z}}$

代码表示
logit = torch.tensor([0.8])  # 模型输出的 Logit
prob = torch.sigmoid(logit)  # 转换为概率
print("Logit:", logit.item())  # 0.8
print("Prob:", prob.item())   # 0.6899

6. NLL

NLL 全称是Negative Log_Likelihood 负对数似然，是机器学习中常用的损失i函数，主要用于分类任务。

核心思想：

惩罚模型预测的概率分布与真实标签的差异。
越小越好（NLL 越小，模型预测越准）。

数学定义

给定：

真实标签（one-hot 或类别索引）:y;
模型预测的概率分布（Softmax 输出）：p NLL 的计算公式：

$NLL=-logp(y)$

代码表示

import torch
import torch.nn as nn
# 模型预测的 Logit（未归一化）
logits = torch.tensor([[2.0, 1.0, 0.1]])  # 1个样本，3个类别
# 真实标签（类别索引，假设是第0类）
target = torch.tensor([0])  # 真实类别是第0类
# 计算 Softmax 概率
probs = torch.softmax(logits, dim=1)  # tensor([[0.6590, 0.2424, 0.0986]])
# 计算 NLL
nll_loss = -torch.log(probs[0, target])  # -log(0.6590) ≈ 0.417
print("NLL Loss:", nll_loss.item())  # 输出: 0.417

与交叉熵损失关系

在分类问题中，NLL 通常与交叉熵损失（Cross-Entropy Loss）等价使用。

7. 感受野

感受野receptive field 是卷积神经网络输出特征图上的像素点在原始图像上所能看到的（映射的）区域的大小，它决定了该像素对输入图像的感知范围（获取信息的范围）。

较小的感受野可以捕捉到更细节的特征，较大的感受野可以捕捉到更全局的特征。

计算公式

（1）深度学习基础知识（八股）——常用名词解释

1. FC FC全称是Fully Connect全连接层，也被称为Linear Layer线性层。它的核心是：每个输入神经元与每个输出神经元都要通过权重连接，适用于将输入特征映射到高维或者低维空间。数学表示对于一个输入向量,FC的计算方式是： 是…...

编程日记 2025/6/27 22:47:35

深度学习零基础入门（2）-实战1：激活函数、前向传播和反向传播

一、激活函数激活函数的作用激活函数在神经网络中起着至关重要的作用，主要用于引入非线性因素，使得神经网络能够学习和模拟复杂的非线性关系。如果没有激活函数，无论神经网络有多少层，最终都只能表示线性变换，无法…...

编程日记 2025/6/27 23:27:31

LeRobot的机器人控制系统（下）

目的和范围机器人控制系统是 LeRobot 框架的核心组件，提供用于操作、标定和记录物理机器人数据的接口。该系统支持远程操作、记录演示数据集、重放动作以及在真实机器人上运行已训练的策略。它充当用户、物理机器人硬件和训练流程之间的桥梁。本文介绍机器人控制系…...

编程日记 2025/6/27 23:34:14

Linux Docker安装【再探完美版教程】

Dokcer安装文章目录 Dokcer安装安装前准备安装前设置yum网络镜像源【重要】查看服务器系统版本以及内核版本查看服务器内核版本安装依赖包：设置阿里云docker-ce镜像源安装Dockerdocker-ce安装启动docker并设置开机自启配置阿里云镜像测试： Docker概念&…...

编程日记 2025/6/27 22:47:44

Java-根据路径获取JSON字符串的value值

实现内容入参: 一串json的字符串,根据传入的字符串路径和想要获取此路径下的key值出参: 此路径下的key的value值实现原理采用一层一层获取的方式,判断第一层并且获取第一层的数据,放入到数组中,将该数组放到下一次循环,再获取下一层的数据实现方法 /*** 根据路径获取…...

编程日记 2025/6/27 22:47:37

【小呆的随机振动力学笔记】随机过程基础【一】

文章目录 1. 随机过程基础1.1 随机过程的概率分布1.2 随机过程的统计特征1.3 平稳随机过程1.4 遍历过程平稳随机过程 1. 随机过程基础 \quad\quad 上一节，我们主要回顾了概率论知识，接下来我们来回顾随机过程基础理论（或者叫随机场&#xff0…...

编程日记 2025/6/27 23:35:46

Java 内存模型中的读、写屏障

目录 1. 基本概念 1.1、读屏障 (Load Barrier) 1.2、写屏障 (Store Barrier) 1.3、咖啡店例子 2. 常见内存屏障 2.1、volatile 1、缓存可见性 2、指令重排序 3、内存屏障 2.2、final 2.3、synchronized关键字 2.4、手动内存屏障 3、不同屏障类型对比 4、实…...

编程日记 2025/6/27 22:47:39

AI 多 Agent 图形化开发深度解析：iVX IDE 与主流产品技术架构对比研究

随着人工智能技术的发展，软件开发正从手工编码向智能辅助开发演进。在 AI 多 Agent 图形化开发领域，iVX IDE 与 GitHub Copilot、Tabnine、CodeGeeX 等主流产品代表了不同的技术路线。本文从技术架构、功能实现、性能表现、生态建设等维度，对…...

编程日记 2025/6/27 22:47:40

微服务中的 AKF 拆分原则：构建可扩展系统的核心方法论

在数字化浪潮的推动下，互联网应用规模呈指数级增长，传统单体架构逐渐暴露出难以扩展、维护成本高等问题，微服务架构应运而生并成为企业应对复杂业务场景的主流选择。然而，随着业务的不断扩张和用户量的持续增加，如何确…...

编程日记 2025/6/27 23:23:57

MySQL迁移SSL报错

文章记录了之前tdsql迁移IDC过程中遇到的小问题环境 xboss业务： tdsql未启用SSL， IDC-mysql启用了SSL: 原因分析 1， 迁移前： 因为tdsql未启用ssl， 且应用未显式配置ssl JDBC默认使用非SSL连接，因此可以正…...

编程日记 2025/6/27 22:47:38

一主一从 IP地址主机名master节点192.168.10.200mysql200slave节点192.168.10.201mysql201 master节点操作配置文件增加两行参数 [rootmysql200 ~]# tail -n 2 /etc/my.cnf.d/mysql-server.cnf log-bin/mylog/mysql200 server-id200 [rootmysql200 ~]# systemctl restart …...

编程日记 2025/6/28 15:40:31

云原生微服务的前世今生

目录 Part1 时代背景 Part2 何为微服务？ Part3 微服务出现的意义 Part4 企业应用京东：国内电商领域的微服务实践阿里：微服务在复杂业务场景中的应用 Part5 Istio：服务网格时代的微服务治理中枢 Istio 的技术定位…...

编程日记 2025/6/27 22:48:13

Python之虚拟环境

文章目录 Python之虚拟环境虚拟环境核心概念为什么需要虚拟环境？虚拟环境注意事项创建虚拟环境使用 venv (Python 3.3 内置)使用 virtualenv (第三方工具，支持Python 2/3)与 venv创建方式的区别Python 版本支持功能与兼容性依赖关系和性能命令行工具创建…...

编程日记 2025/6/27 23:03:51

【Java高阶面经：数据库篇】15. 零停机数据迁移：从双写到一致性校验

一、迁移架构设计：双写+增量同步的三层防护模型 1.1 核心架构流程图 #mermaid-svg-MfnakvBNrtFScrMe {font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;fill:#333;}#mermaid-svg-MfnakvBNrtFScrMe .error-icon{fill:#552222;}#mermaid-svg-Mf…...

编程日记 2025/6/27 22:47:36

车载以太网网络测试-27【SOME/IP-SD简述】

文章目录 1 摘要2 SOME/IP-SD协议介绍2.1 定义与作用2.2 SOMEIP/SD协议通俗易懂的理解2.2.1 SOMEIP/SD协议是什么？2.2.2 通信流程（简化）2.2.3 车载功能示例2.2.4 类比理解 2.3 SOME/IP-SD报文结构2.3.1 Flags2.3.1.1 REBOOT (Bit 7)2.3.1.2 U…...

编程日记 2025/6/27 22:47:41

Ubuntu 22.04上升级Node.js版本

在Ubuntu 22.04上升级Node.js版本有几种方法，推荐使用NVM（Node Version Manager），因为它可以让你轻松管理多个Node.js版本。方法1: 使用NVM（推荐） 1. 安装NVM # 下载并安装NVM curl -o- https://raw.gi…...

编程日记 2025/6/27 14:13:32

软件设计师“面向对象设计”真题考点分析——求三连

一、考点分值占比与趋势分析综合知识历年考察统计年份考题数分值占比考察重点2018334%继承类型、设计原则2019445.3%多态实现、类关系2020556.7%设计模式应用、接口隔离2021334%消息通信、封装特性2022668%开闭原则、组合模式2023556.7%模板方法、适配器模式2024445.3%单一…...

编程日记 2025/6/27 21:42:14

flutter dart 函数语法

以下是 Dart 语言中函数语法的详细实例说明，涵盖了所有常用写法基本语法参数类型（必选、可选、命名、默认值）匿名函数、箭头函数高阶函数（函数作为参数/返回值）异步函数（async / await） 1. …...

编程日记 2025/6/27 22:47:46

鸿蒙Flutter实战：24-混合开发详解-4-初始化Flutter

概述将 Flutter 模块添加至宿主鸿蒙项目中后，接下需要实现页面跳转、消息通信等功能，本文重点介绍如何初始化 Flutter。项目配置添加依赖编辑 ohos_app/oh-package.json 文件如果通过 Har 包方式引入 Flutter 模块，则需要添加如下内…...

编程日记 2025/6/27 22:47:43

微信小程序之Promise-Promise初始用

我们来尝试使用Promise。 1、需求，做个抽奖的按钮， 抽奖规则： 30%的几率中奖，中奖会提示恭喜恭喜，奖品为10万 RMB 劳斯莱斯优惠券，没中奖会提示再接再厉。 2、先搭界面： <view class&qu…...

编程日记 2025/6/27 22:13:41

工业 / 农业 / AR 场景怎么选？Stereolabs ZED 双目3D相机型号对比与选型建议

Stereolabs ZED 相机系列为视觉感知领域提供了多种创新解决方案，适用于不同应用场景。选择合适的 ZED 相机型号，需综合考虑分辨率、深度感知范围、接口类型等因素。 Stereolabs ZED 相机产品系列概览 ZED：首款立体视觉相机，专为高…...

编程日记 2025/6/27 18:53:15

(Git) 稀疏检出(Sparse Checkout) 拉取指定文件

文章目录 🏭作用🏭指令总览👷core.sparseCheckout👷sparse-checkout 文件 🏭实例演示⭐END🌟交流方式 🏭作用类似于 .gitignore 进行文件的规则匹配。一般在需要拉取大型项目指定的某些文件…...

编程日记 2025/6/27 22:32:16

Nginx 部署前端项目dist文件到局域网然后ngrok部署到公网

①项目里面 npm run build 生成的dist文件 ②下载nginx: download 将dist文件夹放入html文件夹中 ③conf修改配置里面有nginx.conf 文本修改④在此目录下打开cmd 输入 start nginx.exe 启动代理 ⑤http://localhost:90/index.html即可或者域名换成你的ip地址也可以 …...

编程日记 2025/6/27 23:32:21

【sylar-webserver】9 网络模块

目录 Address 类图知识点常用结构体常用函数 Socket 类图主要功能初始化 socket 流程： ByteArray 知识点 zigzag 算法 TLV 编码结构 Stream 类图 Stream 流结构，提供字节流读写接口 SocketStream TcpServer 类图主要功能 Address…...

编程日记 2025/6/27 4:07:29

野火鲁班猫(arrch64架构debian)从零实现用MobileFaceNet算法进行实时人脸识别（四）安装RKNN Toolkit2

RKNN Toolkit2是用来将onnx模型转成rknn专用模型，并可通过RKNN Toolkit Lite2或者RKNPU调用NPU进行加速计算的工具。一开始我安装很多次都无法成功安装。后来跟售后技术对接，必须是PC平台的Linux环境才可以。我的电脑是windows，所以我需要用…...

编程日记 2025/6/27 20:35:24

第六部分：阶段项目 5：构建 NestJS RESTful API 服务器

现在，是时候将你学到的 NestJS 知识付诸实践，构建一个简单的 RESTful API 服务器了。我们将基于第四阶段的项目（博客文章 API 或任务管理 API），使用 NestJS 的方式重新实现它。选择以下一个项目： 项目选…...

编程日记 2025/6/27 20:17:13

【工作流】Fastgpt配置豆包模型-火山引擎

V4.9.7 Fastgpt现在不通过oneapi 来配置模型和渠道了， 可以直接在页面进行设置首先在账号- 模型提供商里面填入豆包的信息： 渠道名随便填，厂商选豆包， 然后选3个模型，如图所示如果没有填入模型映射的话是没办法 …...

编程日记 2025/6/27 21:52:08

vite搭建vue3项目及相关配置

1.npm create vite 设置你的项目名，选择框架，选择语言我此处选的为Vue typescripe 2.按照命令去执行 cd vite-vue3-app 进入项目文件，npm install 安装依赖，npm run dev 运行项目此处由于node、npm版本导致报错问题如图在…...

编程日记 2025/6/27 22:56:33

web实验（2）

实验1 搭建nginxssl的加密认证web服务器第一步：准备工作 # 恢复快照 [rootserver ~]# setenforce 0 [rootserver ~]# systemctl stop firewalld [rootserver ~]# systemctl disable firewalld [rootserver ~]# yum install nginx mod_ssl -y [r…...

编程日记 2025/6/27 20:57:42

数字孪生技术如何重塑能源产业？

近年来，全球能源行业正步入一个前所未有的转型期。一方面，“双碳”目标驱动能源结构向低碳化、清洁化发展；另一方面，新能源比例快速上升，给传统电力系统带来巨大的不确定性。与此同时，数字化浪潮也席卷能源…...

编程日记 2025/6/27 2:28:21

你通俗易懂的理解——线程、多线程与线程池

一：异常处理 1.1 异常概述 （1）场景 （2）定义 （3）异常抛出机制 Java把不同的异常用不同的类表示 （4）如何对待异常 1.2 常见异常类 （1）Throwable &am…...

编程日记 2025/6/27 22:34:07

spring+tomcat 用户每次发请求，tomcat 站在线程的角度是如何处理用户请求的，spinrg的bean 是共享的吗

对于 springtomcat 用户每次发请求，tomcat 站在线程的角度是如何处理的比如 bio nio apr 等情况 tomcat 配置文件中 maxThreads 的数量是相对于谁来说的？ 以及 spring Controller 中的全局变量:各种bean 对于线程来说是共享的吗？ 一、Tomca…...

编程日记 2025/6/27 21:56:32

机器人坐标系标定

机器人坐标系标定机器人坐标系标定 1. 知识目标理解机器人坐标系的定义掌握机器人坐标系的分类 2. 技能目标能够正确标定机器人坐标系 3. 机器人坐标系的作用代表不同的物体或边界示例： 相对于桌子、弓箭、坯料、其他机器或边界移动用途： 使用…...

编程日记 2025/6/27 23:23:13

VR光伏车棚虚拟仿真系统：开启绿色能源新视界

VR 光伏车棚虚拟仿真系统，是一种集成了先进计算机技术与前沿虚拟现实技术的创新工具。它的核心在于，通过数字化手段高度逼真地模拟光伏车棚电站从规划建设到实际运行的全流程情境 ，为相关人员提供一个沉浸式、交互式的虚拟操作空间。借助 …...

编程日记 2025/6/27 23:05:03

阿里云服务器篇十三（加更）：Web书签（链接共享和迷你导航）：改为使用宿主机DB等优化

文章目录系列文章搭建 LinkAce将docker-compose配置迁移到项目目录添加脚本只保留最新备份改为使用宿主机DB获取当前LinkAce数据库备份导入LinkAce数据库备份创建数据库账号修改容器内MySQL客户端连接配置：禁用SSL连接修改 Docker 相关配置回滚和彻底清除数据卷改为使用宿主机…...

编程日记 2025/6/27 23:26:41

Typescript学习教程，从入门到精通，TypeScript 包装类与包装对象语法知识点及案例代码（10）

TypeScript 包装类与包装对象语法知识点及案例代码在 TypeScript 中，包装类（Wrapper Classes）和包装对象（Wrapper Objects）是处理基本数据类型（如 Boolean、Number、String）的重要概念。这些包…...

编程日记 2025/6/27 22:24:53

若依代码生成

1。数据库，自己先创建好表和数据启动访问页面，导入你的表圈红的改成自己的业务名生成后压缩，执行数据库脚本.sql文件 2。前台导入直接复制粘贴src 3。后台导入复制main文件夹下的两个文件夹到 ruoyi-admin\src\main 如果不能访问在修改…...

编程日记 2025/6/27 6:55:56

Vue3 打印表格、Element Plus 打印、前端打印、表格导出打印、打印插件封装、JavaScript 打印、打印预览

🚀 Vue3 高级表格打印工具封装（支持预览、分页、样式美化） 关键词：Vue3 打印表格、Element Plus 打印、前端打印、表格导出打印、打印插件封装、JavaScript 打印、打印预览在企业级应用中，我们经常遇到打印报表、导出…...

编程日记 2025/6/27 23:21:46

实现一个前端动态模块组件(Vite+原生JS)

1. 引言在前面的文章《使用Vite创建一个动态网页的前端项目》中我们实现了一个动态网页。不过这个动态网页的实用价值并不高，在真正实际的项目中我们希望的是能实现一个动态的模块组件。具体来说，就是有一个页面控件同时在多个页面中使用，那…...

编程日记 2025/6/27 22:03:25

面向对象编程在 JavaScript 中的实践

引言前端开发正随着应用复杂度增加而向更严谨的架构模式演进。JavaScript 作为一种多范式语言，其面向对象特性为构建可维护、可扩展的大型应用提供了强大基础。一、JavaScript 中的对象模型演化对象字面量：最基础的封装对象字面量是 JavaScript …...

编程日记 2025/6/27 21:29:49

Android 内存溢出（OOM）的 Kotlin 排查与优化指南

内存溢出（Out Of Memory, OOM）是 Android 开发中常见且棘手的问题，尤其在处理大图、复杂数据或内存泄漏时。本文将通过 Kotlin 代码示例和工具使用，提供一套比较完整的排查与优化方案。一、检测工具：定位内存问题根源…...

编程日记 2025/6/27 21:48:06

Docker常用命令介绍

Docker常用命令 1、本地镜像管理 save 命令将一个或多个 Docker 镜像保存到一个 tar 归档文件中，以便在其他环境中分发或备份。 # 语法：docker save [OPTIONS] IMAGE [IMAGE...]# 保存单个镜像到文件 docker save -o myimage.tar myimage:latest# 保…...

编程日记 2025/6/27 22:08:16

（高级）高级前端开发者指南：框架运用与综合实战

当您已经掌握了HTML5、CSS3和JavaScript的基础知识后，接下来就是学习现代前端框架和性能优化的高级阶段。本文将重点介绍Vue.js/React的组件化开发、状态管理和路由配置，以及前端性能优化的核心技巧。通过丰富的代码示例和详细讲解，帮助您在实…...

编程日记 2025/6/27 22:48:23

边缘计算正在重新定义物联网的未来——你的设备还在“等云“吗？⚡

“数据不动算法动，算法不动代码动”——这句话正在成为物联网时代的新铁律。当我们谈论物联网设备性能优化时，大多数开发者第一反应还是"上云"。但现实往往残酷：网络延迟让实时控制变成了"实时等待"，带宽成本让企业CFO眉头紧锁，数据安全让合规部门夜…...

编程日记 2025/6/27 13:26:40

std::initialzer_list 与花括号{}数据列表

author: hjjdebug date: 2025年 05月 22日星期四 15:50:23 CST descrip: std::initialzer_list 与花括号{}数据列表文章目录 1.{数值列表}是什么?1.1 数组初始化时 ， 称为数组初始化列表1.2. 当用于容器时, 称为容器初始化列表1.3. 对于结构体或类，{…...

编程日记 2025/6/27 21:04:44

C++初阶-list的使用2

目录 1.std::list::splice的使用 2.std::list::remove和std::list::remove_if的使用 2.1remove_if函数的简单介绍基本用法函数原型使用函数对象作为谓词使用普通函数作为谓词注意事项复杂对象示例 2.2remove与remove_if的简单使用 3.std::list::unique的使用 …...

编程日记 2025/6/27 23:14:01

从单链表 list 中删除第 i 个元素--Python

从单链表 list 中删除第 i 个元素一、问题引入二、解题步骤1.思维导图2.解题步骤三、代码实现四、个人总结一、问题引入请编写程序，将 n 个整数顺次插入一个初始为空的单链表的表头。随后对任意给定的位序 i，删除链表中第 i 个结点。注意&#xff1…...

编程日记 2025/6/27 23:30:52

GraphPad Prism工作表的基本操作

《2025新书现货 GraphPad Prism图表可视化与统计数据分析（视频教学版）雍杨康巧昆清华大学出版社教材书籍 9787302686460 GraphPadPrism图表可视化无规格》【摘要书评试读】- 京东图书 GraphPad Prism中包含5种工作表，每种工作表的基本操…...

编程日记 2025/6/27 23:34:05

C++初阶-list的使用1

目录 1.std::list简介 2.成员函数 2.1构造函数的使用 2.2list::operator的使用 3.迭代器 4.容量 4.1list::empty函数的使用 4.2list::size函数的使用 4.3list::max_size函数的使用 5.元素访问 6.修饰符 6.1list::assign函数的使用 6.2push_back和pop_back和push_fr…...

编程日记 2025/6/27 23:03:33

文献解读-病理影像多模态模型预测乳腺癌新辅助化疗的病理完全反应

期刊：Science Advances 影响因子：11.7，中科院1区Top 发表时间：2025年4月30日概要：首都医科大学宣武医院放射科卢洁教授团队近日（2025年5月）在中科院1区top期刊《Sci Adv》（IF11.7&a…...

编程日记 2025/6/27 22:50:20

1. FC

数学表示

代码表示

注意

2. MLP

数学表示

代码表示

3. FFN

Transformer中的FFN

数学表示

代码表示

4、MLP 与 MLP的区别

5、Logit

数学表示

Logit 与 概率的关系

多分类任务

代码表示

二分类任务

代码表示

6. NLL

数学定义

代码表示

与交叉熵损失关系

7. 感受野

计算公式

相关文章：

Logit 与概率的关系