Page 2 - Showing 9 of 24 posts
View all posts by years →
-
CS336-1-基础部分LLM的基础知识，包括Tokenization、PyTorch资源计算、LLM架构与超参数等内容。
14 min read -
RL的原理-3-贝尔曼最优公式贝尔曼最优公式求解方法以及性质
4 min read -
RL的原理-2-贝尔曼公式贝尔曼公式
4 min read -
RL的原理-1-基本概念强化学习（Reinforcement Learning, RL）中的一些基本概念，包括状态、动作、奖励、策略等。
4 min read -
ML-DL-RL的信息论基础信息论的基础知识，包括自信息、信息熵、最大熵原理、KL散度、交叉熵、联合熵、条件熵和互信息等内容。
6 min read -
pytorch coding笔记pytorch的基础使用，包括模型创建、数据加载、训练与评估等内容。
7 min read -
ML-DL-RL的概率论基础概率论的基础知识，包括基本概念、概率分布（离散和连续）、联合概率分布、边缘概率、条件概率与独立性、贝叶斯定理、期望、方差和协方差等内容。
8 min read -
NLP基础学习笔记1NLP的基础知识，包括基本概念、词嵌入、经典NLP模型（如Word2Vec、RNN、LSTM、GRU）、Transformer在NLP中的应用（如BERT、GPT）等内容。
6 min read -
GNN基础学习笔记1图神经网络（GNN）的基础知识，包括基本概念、常见模型（如GCN、GAT）、E(n)等变图神经网络以及过平滑问题的介绍。
6 min read