weixin_46808875的博客

听小年轻讲AI基本类似：做 了个XXX的SOTA 模型？有个牛逼的 Backbone，调好 Prompt，准备好 Dataset，训出 Checkpoint，最后拿它去 Evaluation，就很猛！这个后面持续更新，大家一起学AI咒语，hhhhhhh。能认出没学过的目标，还得靠。

步骤内容1️⃣修改自己数据集路径，让模型找你自己的数据集2️⃣写一个“解码器”，告诉模型怎么读你数据里的图和标签（参考3️⃣正确标注哪些标签在图里没出现，填入，这样模型才不会乱认4️⃣调整数据预处理和数据增强逻辑。

过拟合（Overfitting）

最近还是再不断的和大模型老师学AI，遇到一个仓库里面的微调代码：咱来拆一下这段官方 NOTE，它的真实意思其实是：“你别指望一条命令就能成仙，这只是个‘炼丹起手式’，想要出好丹，还得调配火候（参数）！🧠 一句句翻译 + 人话解释。

它不像从零开始训练（training from scratch）那么费力费钱，而是。

它其实是一个激活函数，跟普通的 ReLU （Rectified Linear Unit）是“亲兄弟”。意思就是：小于 0 的直接变 0 （我不理你）大于 0 的原样输出 （你表现不错，放你通过！但是，ReLU6 有点“保守”低于 0：一样砍成 0 （我冷酷到底）0 ~ 6：照常输出超过 6？给我冷静点，最多只给你 6！ReLU6 是 ReLU 的“限速版”激活函数，输出永远不超过 6，常用于轻量网络以方便部署和防止爆炸。你再夸我，我就 ReLU6 再叠个 softmax！

Checkpoint 是模型训练过程的“存档文件”，可以用于继续训练、推理部署，或者迁移学习。而“drop-in replacement”意思是——拿新模型权重直接丢进去就能用，不用重写代码，就像 USB 插上就识别一样。

最近看论文开始学习一些AI知识 总结一下这个词，直译叫脊柱，当然不是说“脊柱健康很重要”，而是说——📢“你得有个像样的骨架，不然模型就瘫了！在深度学习模型（尤其是视觉任务里），，就像你健身时的核心力量，撑起全场！它的主要任务是：🧠🔬。