控制台输出深度学习模型各层结构与特征图尺寸。

在脚本中需要使用一些敏感信息（如API key，password）时，我们应该尽量避免将这些变量直接明码写在脚本中。

我们可以为这些变量创建环境，以隐藏这些敏感信息。

BitNet是微软在2025年发布的，可以在CPU上运行的本地大模型。

之前在电脑上配置的wsl终于有了用武之地，成功在ubuntu上完成了部署。本文将介绍部署方法并进行效果展示。

Batch Normalization 和 Layer Normalization的推导与Pytorch实现。

AMP（Automatic Mixed Precision）自动混合精度。

可以帮助减少深度学习网络的运行时间和内存占用。本文将简单介绍使用方法。

深度学习实验，后期有许多要交叉验证或者需要多对比的实验，一个一个在终端修改命令参数再执行太麻烦了，可以用subprocess的方法，在某文件中录入所有需要执行的命令，程序自动书序读取执行。

在Transformer中的多头自注意力机制的讲解和代码实现。

理解 Sigmoid 激活函数：公式、特点与应用

• 基本概念
• 代码调用

对激活函数：

• ReLU
• Leaky ReLU

进行定义介，包括公式定义、代码实现和优缺点，以及适用场景。

对Attention UNet中使用的Attention Gate（AG）进行介绍和代码分析。