是个帅哥.-CSDN博客

原创 RedSkill 安装

安装后 openclaw 等 Agent 建议重启，重启后感知到 RedSkill，将默认可使用 RedSkill 的加速能力。并且用户可以直接在自己的 Openclaw 中自然语言安装技能。，就自动安装 RedSkill 命令行工具，并默认安装相应的 Skill，确保 RedSkill 优先使用，从而获得加速、合规等能力。，安装到当前 workspace下。如果安装后命令找不到，把。这个技能时，直接执行。

2026-06-15 17:51:10 340

原创神经网络与深度学习课程总结4：视觉大模型基础与 Vision Transformer（ViT）

视觉大模型通过大规模预训练获取通用表征能力，核心代表Vision Transformer（ViT）创新性地将图像分割为Patch序列，通过Transformer架构建模全局特征。ViT工作流程包括：图像分块→线性映射→位置编码→Transformer编码（含多头注意力机制）→分类输出。相比CNN的局部卷积，ViT利用自注意力建立长程依赖，但需大规模数据预训练。关键技术点包括Patch Embedding将图像转化为类NLP的Token序列，位置编码补充空间信息，以及通过[CLS]Token实现分类。

2026-06-08 10:02:28 280

原创神经网络与深度学习课程总结3：Transformer模型课程总结

Transformer 是深度学习领域革命性的序列建模架构，通过自注意力机制彻底改变了传统RNN的序列处理方式。本文系统解析了Transformer的核心组件和工作原理：1）输入部分通过词嵌入和正弦位置编码将文本转化为包含语义和位置信息的向量；2）编码器采用多头自注意力机制并行捕捉全局依赖关系，配合残差连接和层归一化稳定训练；3）解码器引入掩码机制实现自回归生成，并通过交叉注意力整合编码器信息；4）前馈神经网络提供非线性变换能力。Transformer的并行计算特性和强大的长程依赖建模能力，使其成为基础架构

2026-06-01 00:44:36 369

原创神经网络与深度学习课程总结2：卷积神经网络与视觉应用总结

本文围绕本周课件，系统总结卷积神经网络基础与深度学习视觉应用。首先分析全连接网络在图像处理中参数多、训练慢、易过拟合的问题，引出局部连接、权值共享和池化思想；随后说明卷积、填充、步长、多通道卷积、池化层及LeNet、AlexNet、VGG、ResNet等典型结构。最后梳理MNIST、CIFAR-10、VOC、COCO、ImageNet等数据集，介绍分类、检测、分割任务，Precision、Recall、AP、mAP指标，以及YOLO与FCN的基本原理。

2026-05-25 00:07:05 365

原创神经网络与深度学习课程总结1：从线性模型到 BP 误差反向传播算法

本周学习内容围绕神经网络的基础模型与训练方法展开，主要包括线性回归、线性分类、Logistic 回归、Softmax 多分类、神经元模型、感知机模型、多层感知机以及 BP 误差反向传播算法。整体逻辑可以概括为：首先利用线性函数建立输入与输出之间的映射关系；然后通过 Sigmoid、Softmax 等输出函数将线性模型扩展到分类任务；进一步将“线性加权和 + 非线性作用函数”的思想抽象为神经元模型；最后通过多层前馈网络和 BP 算法实现复杂非线性映射的学习

2026-05-16 11:40:30 558 1