以下是笔记本电脑的类型讨论，供选择参考：
月度归档： 2024 年 4 月
反向传播、自动微分、链式法则、梯度下降的关系
链式法则为计算复合函数的导数提供了理论基础，自动微分提供了高效计算导数的技术手段，反向传播利用了这两者来计算神… Continue reading 反向传播、自动微分、链式法则、梯度下降的关系
使用torchviz实现PyTorch计算图的可视化
本篇使用 torchviz 软件包实现 PyTorch 计算图的可视化，做个记录，但个人感觉可视化的作用不是很… Continue reading 使用torchviz实现PyTorch计算图的可视化
机器学习中动态图和静态图的区别
TensorFlow 的早期版本 TensorFlow 1.x 是静态图，在搭建完结构后，需要创建会话（Ses… Continue reading 机器学习中动态图和静态图的区别
最大池化和平均池化的区别
池化一般有最大池化和平均池化。池化通过丢弃信息来降低维度。从字面上就很容易理解： 相关博文：
文献关联的搜索方法
文献关联除了直接看论文的参考文献和之后引用该篇论文的文献，也使用文献关联工具，看文献的相似性和引用率等信息会更… Continue reading 文献关联的搜索方法
关于 Adiabatic 绝热的意思
Adiabatic 可翻译成“绝热”，也可扩展翻译成“寖渐/浸渐”，意思包含了“无限缓慢”、“可逆的”、“准静… Continue reading 关于 Adiabatic 绝热的意思
科学计算中进程并行和线程并行的区别
在 Python 计算中有进程并行和线程并行，本篇给出进程并行和线程并行的区别，并做了一些讨论。 相关博文：
Python中time.perf_counter()和time.time()的区别
在具体应用时，如果对精度要求不高的话，time.perf_counter() 和 time.time() 两者… Continue reading Python中time.perf_counter()和time.time()的区别
迭代和递归的区别
迭代（iteration）和递归（recursion）都是循环的过程。迭代是在循环体内重复调用另外一个函数或代… Continue reading 迭代和递归的区别
一个完整的卷积神经网络（无训练）
这是之前的两篇： 这里给出一个完整的卷积神经网络，包含两个卷积层和两个全连接层。只是做了正向传播，并没有使用数… Continue reading 一个完整的卷积神经网络（无训练）
卷积和池化后的数据维度
这是之前的一篇：卷积和池化的作用以及代码实现。 在卷积和池化后，通常需要和全连接的神经网络进行连接，为了能够匹… Continue reading 卷积和池化后的数据维度
卷积和池化的作用以及代码实现
卷积（convolution）和池化（pooling）是卷积神经网络（convolutional neural… Continue reading 卷积和池化的作用以及代码实现
主成分分析PCA的原理以及降维实现
主成分分析（Principal Component Analysis, PCA）是一种常用的数据降维方法。主要… Continue reading 主成分分析PCA的原理以及降维实现