CS231n(肆)——神经网络与反向传播
CS231n课程第四讲笔记，从线性分类器过渡到全连接神经网络，深入讲解反向传播算法的计算图、链式法则与梯度流模式，涵盖常用激活函数对比及向量/矩阵级别的梯度计算。
《Attention Is All You Need》论文精读
精读《Attention Is All You Need》论文，全面拆解Transformer架构的编码器-解码器结构、缩放点积注意力、多头注意力、位置编码等核心组件，涵盖训练细节与实验结果。
6.3
测试：$a+b=c$ ==6.3 图的矩阵表示==矩阵是图的一种重要代数表示，它将图的拓扑结构转化为数值阵列，便于利用代数工具（如矩阵乘法、特征值）分析图的路径与连通性质。本节涵盖四种核心矩阵。 ==🔷 6.3.1 无向图的关联矩阵== 定义：设无向图 $G = \langle V, E \rangle$，其中 $V = {v1, v_2, \dots, v_n}$，$E = {e_1, e_2, \dots, e_m}$。定义矩阵 $\mathbf{M}(G) = (m{ij}){n \times m}$，其中 **$m{ij}$ 是顶点 $v_i$ 与边 $e_j$ 的关联次数**（取值为 $0, 1, 2$）。 示例矩阵： \Large \left[ \begin{array}{c|rrrrr} & e_1 & e_2 & e_3 & e_4 & e_5 \\ \hline v_1 & 1 & 1 & 1 & 0 & 0 \\ v_2 & 0 & 1 & 1 & 1 & 0 \\ v_3 & 1 & 0...
初始之作
这是测试段落测试：$a+b=c$
Crite_Blog
Welcome to Hexo! This is your very first post. Check documentation for more info. If you get any problems when using Hexo, you can find the answer in troubleshooting or you can ask me on GitHub. Quick StartCreate a new post1$ hexo new "My New Post" More info: Writing Run server1$ hexo server More info: Server Generate static files1$ hexo generate More info: Generating Deploy to remote sites1$ hexo deploy More info: Deployment