[[机器学习入门]]
数学知识
| 领域 | 核心内容 | 应用场景 |
|---|---|---|
| 线性代数 | 矩阵运算、特征分解、奇异值分解（SVD）、张量表示 | 深度学习模型参数优化 |
| 概率统计 | 贝叶斯定理、概率分布（高斯/伯努利）、统计推断（极大似然估计） | 模型不确定性量化、分类任务 |
| 优化理论 | 梯度下降（SGD/Adam）、凸优化（KKT条件）、正则化（L1/L2） | 损失函数最小化、防止过拟合 |
| 信息论 | 熵、交叉熵、KL散度、互信息 | 模型评估、特征选择 |
常用模型
[[Diffusion模型 MOC]]
Pytorch
PyTorch 是由 Meta（原 Facebook）开发并维护的一款开源机器学习框架，专注于深度学习领域，以灵活性、易用性和动态计算特性著称，广泛应用于科研、工业界及教育领域。
[[Pytorch中的Dataset]] [[torch分布式训练完全指南：从入门到精通]]
💬 评论