- 博客(4)
- 收藏
- 关注
RSS订阅原创 哈工大神经网络与深度学习课程总结（四）
模型同时处理：图像文本语音视频图片 + 问题↓模型回答从 CNN 到 ViT，再到 CLIP 和多模态视觉大模型，计算机视觉的发展本质上是：从“识别图像”走向“理解世界”。ViT 证明了 Transformer 不仅适用于语言，也能够成为视觉领域的重要基础架构；而 CLIP、多模态大模型和 DINO 等技术，则进一步推动 AI 从单模态感知迈向跨模态认知。如今的视觉大模型已经不仅仅是在回答“这是什么”，而是在尝试理解：图像中发生了什么，以及它与人类语言和知识之间有什么联系。
2026-06-07 12:58:39
270
原创 哈工大神经网络与深度学习课程总结（三）
Transformer 的出现，本质上解决了：“如何高效建模长距离依赖关系”的问题。“顺序处理”“全局并行建模”时代。今天的大语言模型、本地 AI Agent、生成式 AI，本质上都建立在 Transformer 之上。而理解：Attention这些基础思想，依然是进入大模型时代最重要的一步。
2026-05-29 19:00:06
230
1
原创 哈工大神经网络与深度学习课程总结（二）
MNIST 是最经典的手写数字数据集。特点：0~9 共10类数字灰度图图片大小 28×28深度学习视觉应用的发展，本质上是：机器逐渐获得“视觉理解能力”的过程。从最初的数字识别：到今天的：自动驾驶AI 绘图视频理解多模态大模型背后都离不开：CNN数据集目标检测语义分割这些基础技术。而理解这些经典方法，依然是进入 AI 与计算机视觉领域最重要的一步。TN+FN%7D。
2026-05-24 16:53:31
345
原创 哈工大神经网络与深度学习课程总结（一）
学习到最后，我认为深度学习最重要的思想其实只有一句话：“通过多层结构，自动学习数据中的高级特征表示。从：感知机多层感知机BP 网络CNNAlexNet。
2026-05-17 14:17:19
566
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人