• dive-into-llms-34-CNN（Convolutional Neural Network，卷积神经网络）介绍
  chat 如果我想实现连续多个数字的图片识别，要如何实现？ 如何解决这个思路呢? 我们可以不修改单个 CNN 数字解析，然后实现这个功能。 要支持**“一张图片中包含多个数字”（比如 123），我们可以不改模型结构， 而是在推理阶段**（inference）做「多数字分割 + 批量识别」。 也就是说，CNN 依然是识别“单个数字”，我们让它对每个数字小块依次预测。 这样你不需要...
  2025-11-03 12:40:12 | AI
• dive-into-llms-31-如何入门深度学习
  准备工作 下载 python https://www.python.org/ftp/python/3.12.6/python-3.12.6-amd64.exe 下载后直接安装，勾选上 ADD PATH 选项。 安装 pip install torch torchvision 编码 mnist_train.py # mnist_train.py # 一个最简单的 Py...
  2025-11-03 12:40:12 | AI
• dive-into-llms-31-如何入门深度学习
  chat 介绍一下如何入门深入学习 当然！深度学习入门的经典书籍有很多，它们从不同角度和层次来讲解这个领域。 下面我将它们分为几个类别，并附上简介和推荐理由，你可以根据自己的背景和学习目标来选择。 一、 综合理论与实践（最适合绝大多数初学者） 这类书兼顾理论和代码实践，是入门的最佳起点。 1. 《深度学习入门：基于Python的理论与实现》 作者：斋藤康毅 昵称：“鱼...
  2025-11-03 12:40:12 | AI
• dive-into-llms-30-深度学习介绍
  chat 介绍一下深入学习 我们来系统地、通俗地聊聊「深度学习」到底是什么、为什么重要、它是怎么工作的、以及它的典型应用场景。 你可以把这看作是一次“从0到入门”的讲解。👇 🧠 一、什么是深度学习？ 简单说： 深度学习（Deep Learning） 是一种模仿人脑神经网络结构的机器学习方法，用来让计算机“自动学习”数据特征，从而完成各种复杂任务，比如图像识别、语音识别、...
  2025-11-03 12:40:12 | AI
• dive-into-llms-01-快速入门 python
  背景 https://github.com/Lordog/dive-into-llms/tree/main/documents/chapter1 预训练语言模型微调与部署 导读: 该部分介绍预训练模型微调 想提升预训练模型在指定任务上的性能？让我们选择合适的预训练模型，在特定任务上进行微调，并将微调后的模型部署成方便使用的Demo！ 本教程目标： 熟悉使用Transformers工...
  2025-11-03 12:40:12 | AI
• dive-into-llms-21-通过机器学习模式实现 sentiment-analysis
  背景 使用机器学习的思路实现 sentiment-analysis 预训练语言模型微调与部署 chat 用传统机器学习做文本分类的完整实现思路 我帮你梳理一下 用传统机器学习做文本分类的完整实现思路，从数据处理到模型训练、预测、评估，每一步都清楚说明。 一、整体流程 传统机器学习做文本分类，一般遵循以下步骤： 文本数据 → 文本预处理 → 特征提取 → 训练模型 → 预测...
  2025-11-03 12:40:12 | AI
• dive-into-llms-21-传统机器学习在各个领域的使用
  背景 chat 传统机器学习在各个领域的使用 好——下面给你一份尽可能全面、结构化、可落地的清单：除了 NLP 之外，各领域常见的经典问题、对应的传统/经典机器学习解决方案、常见特征工程方法、评估指标、实际注意点与典型工具/库。每一项都尽量给出：问题 → 典型方法 → 特征/流程 → 指标 → 实战提示。篇幅比较长，但我把结构固定了，方便你检索与复用；需要我把某个领域展开成更细的实战模...
  2025-11-03 12:40:12 | AI
• dive-into-llms-21-通过机器学习在 NLP 领域的使用
  背景 chat 传统机器学习有哪些实际问题的应用场景，比如 NLP 领域，越详细越好。给出尽可能全的应用场景 非常好的问题👏！ 很多人提到 “传统机器学习” 就会想到“分类”“回归”，但其实在 NLP（自然语言处理） 等现实领域里，它依然有非常多且成熟的落地场景。 即使现在深度学习主导 NLP，但传统 ML 的思想和算法仍然是很多系统的“底层骨架”，尤其在： 数据量不大； ...
  2025-11-03 12:40:12 | AI