从概率论到信息论：由浅入深理解 KL 散度和交叉熵
在机器学习里，我们经常会遇到两个非常重要的概念： 它们经常出现在分类任务、知识蒸馏、VAE、语言模型训练、强化 … 阅读更多
WSL工作站配置02：独立物理硬盘挂载
1. 目标 将一块独立物理 SSD 直接挂载给 WSL2 使用，格式化为 Linux 原生 ext4 … 阅读更多
WSL工作站配置01：网络SSH和GPU
1. 目标架构 最终目标是把 Windows 主机作为一台远程 Linux GPU 工作站使用，Mac 只负责 … 阅读更多
MiniMind 学习笔记 11：LoRA 微调，从低秩增量到权重合并
前面几篇文章已经从 tokenizer、dataset、训练循环、模型结构、Attention、RoPE、Mo … 阅读更多
MiniMind 学习笔记 10：Multi-Latent Attention，从 KV Cache 压缩到 MiniMind 改造思路
前面几篇已经看过 MiniMind 的 Attention、RoPE 和推理生成。 这篇继续沿着同一条线看一个 … 阅读更多
MiniMind 学习笔记 09：LLM 推理生成，KV Cache、temperature、top-k 与 top-p
训练时，模型可以并行预测一个序列中的很多位置。 推理时，情况不同。 LLM 生成文本通常是自回归的： Mini … 阅读更多
MiniMind 学习笔记 08：FeedForward 与 MoE，LLM Block 里的另一半计算
很多人在学习 Transformer 时会把注意力都放在 Attention 上。 但在现代 LLM 中，Fe … 阅读更多
MiniMind 学习笔记 07：RoPE 旋转位置编码，从代码到三角公式
Attention 本身只看 token 内容，不天然知道 token 的位置。 如果两个 token 的内容 … 阅读更多
MiniMind 学习笔记 06：Attention 详解，QKV、Mask、GQA 与 MQA
Attention 是 LLM 里最核心、也最容易让初学者卡住的模块。 MiniMind 的 Attentio … 阅读更多
MiniMind 学习笔记 05：Transformer Block 里到底发生了什么
上一篇看了 MiniMind 的整体结构： 这篇进入每一层 MiniMindBlock。 在 Min … 阅读更多
MiniMind 学习笔记 04：模型结构总览，Config、CausalLM 与 Backbone
前面已经看过 tokenizer、dataset 和训练循环。现在进入模型结构。 MiniMind 的模型代码 … 阅读更多
MiniMind 学习笔记 03：从 train_pretrain.py 看懂 LLM 训练循环
理解 LLM 训练，最好的入口不是一上来就看复杂的分布式训练框架，而是先看一个足够小、足够完整的训练脚本。 M … 阅读更多
MiniMind 学习笔记 02：LLM 的数据如何进入模型
上一篇从 tokenizer 讲起：文本会被切成 token，再变成一串整数 input_ids。但 … 阅读更多
MiniMind 学习笔记 01：从 Tokenizer 开始理解 LLM
学习 LLM 工程时，很多人会直接从 Transformer、Attention 或训练脚本开始。但如果从工程 … 阅读更多
波动率 Volatility
波动率被用来衡量标的波动幅度，同时也影响衍生品的定价。这里主要介绍期权的波动率。 参考资料： 一、IV和HV … 阅读更多
img2table实用脚本
使用img2table将图片转化为excel表格的脚本（https://github.com/xavctn/i … 阅读更多
OpenCL Vision Image Extension
OpenCL Vision Image Extension 使用的指令集，又叫做 EVIS （Enhanced … 阅读更多