YISH

01 深度学习的基础概念

深度学习是机器学习的一个分支，也是目前最主要的一个研究方向，相对于传统的机器学习而言，深度学习会简单一些。在神经网络中传递的向量就是特征，模型学得好不

训练模型训练结果可重现

在模型开发的过程中，由于默认的随机的参数初始化策略，每一次训练损失下降的曲线都是由些许差异的，这种情况下，无法判断自己的优化是否有效，这个时候就需要设

为什么模型训练数据多样性很重要？

通过简单的例子解释数据多样化的重要性

自然语言大模型的温度是如何影响输出的？

温度是用于控制自然语言大模型生成多样性的。较低的温度会使模型的概率分布更加明显尖锐，较高的温度会使模型概率分布更加平缓，温度是控制模型生成结果的多样性

00 深度学习知识体系

列举和简述自然语言大模型所需要的知识点

一文看懂 ChatGPT

一、自然语言处理的发展 早在 2014 年谷歌就提出了 Seq2Seq（ Sequence to Sequence）模型 ，提供了一个自然语言处理的新思路。接着 2018 年 OpenAI 发布了采用 Seq2Seq 的 GPT（

各场景的深度学习模型类库

一、目标检测 Yolov 系列 You only look once（Yolo）是一个基于 COCO 数据集的目标检测架构系列。 论文：YoloV1、YoloV2、YoloV3、YoloV4 YoloV5 没有论

爱因斯坦求和（einsum）

在数学里，特别是将线性代数套用到物理时，爱因斯坦求和约定（Einstein summation convention）是一种标记的约定，又称为爱因斯坦标记法（Einste

融合异构因子与 Triaffine 机制用于嵌套命名实体识别

嵌套实体由于其组合性而在许多领域中出现，目前广泛使用的序列标记框架难以识别嵌套实体。一个自然的解决方案是将任务视为词区间（Span）分类问题。为了学习

图神经网络（Graph Neural Network，GNN）

图论（Graph Theory）是数学和计算机科学中的重要分支，在机器学习中也有应用，表示某些模型结构。概率图模型用图结构为一组随机变量建模，描述它们之

Mermaid 图表支持

Eureka supports the rendering of diagrams by using Mermaid.

数学公式支持

Eureka supports the rendering of mathematical formulas by using KaTeX.

Emoji Support

Guide to emoji usage in Hugo