分类: 深度学习
所有属于"深度学习"分类的文章。
-
AdaIN：从“调整特征统计量”到任意风格迁移
发布于:从风格迁移的发展历史讲起，拆解 AdaIN（自适应实例归一化）的核心思想——风格即特征统计量，通过替换内容特征与风格特征的均值方差实现任意风格迁移；并延伸到 SE-COT、MR-DCoT 用文本驱动 AdaIN 做单域泛化的论文实战。
-
交叉熵：为什么预测让 AI 变聪明？
发布于:从信息论出发解释交叉熵：为什么“预测下一个词”能让 AI 变聪明？本文串起熵、交叉熵与 KL 散度的关系，说明大模型训练的本质就是让模型的世界观不断逼近真实世界的概率分布。
-
从熵到大模型：为什么“预测”就是一种压缩？
发布于:从 Shannon 熵出发，理解“预测就是压缩”这一核心思想：信息来自不可预测性，机器学习就是减少不可预测性，而大模型本质上是在寻找人类知识的最简洁表达。
-
对比学习：从“拉近正样本，推远负样本”到 CLIP 的多模态世界
发布于:从核心思想“拉近正样本、推远负样本”讲起，梳理 Contrastive Loss → InfoNCE → SimCLR / MoCo → CLIP 的发展脉络，并延伸到 CDSD、SE-COT、MR-DCoT 在单域泛化目标检测中的对比学习实战。