通过 ctypes,讲解动态库编译、类型映射与指针缓冲区,解决 Python 性能瓶颈,掌握 CDLL 加载与签名设置,提升 Python 与 C 协作。
通过 Python/C API 编写扩展,讲解返回值构造、参数解析与模块注册,解决 Python 性能瓶颈,掌握扩展编写与安装技能,提升扩展开发能力。
通过 ReLU 与 Dropout,讲解 AlexNet CIFAR10 分类,解决深层网络梯度消失与过拟合,掌握网络构建与训练评估,提升 CNN 实战。
通过 BERT 特征与 CRF 约束,讲解 Bert+CRF 实现 NER,解决标签序列依赖约束,掌握 CRF 接入与训练评估,提升 NER 建模。
通过微调预训练 BERT,讲解中文酒店评论分类完整流程,解决情感分类准确率提升问题,掌握数据预处理与微调评估方法,提升 NLP 分类落地能力。
通过从零训练小尺寸 Llama,讲解直接训练生成对联的词表构建与训练流程,解决对联生成对称与韵律问题,掌握数据处理与模型训练,提升生成模型实战能力。
通过 PaddleNLP 预训练模型微调,讲解 ERNIE 中文情感分类,解决情感分类准确率,掌握微调评估与模型预测,提升中文 NLP 任务落地能力。
通过小卷积核堆叠加深网络,讲解 VGG 架构与图像分类实现,解决大卷积核参数多、表达弱问题,掌握 VGG 变体与训练评估,提升 CNN 网络结构设计能力。
通过情感知识增强掩码策略,讲解 SKEP 预训练模型实现观点抽取的方法,解决情感要素识别问题,掌握数据处理与模型微调评估,提升情感分析实战能力。
通过计算类别均值向量,讲解基于类别均值的分类方法原理与实现,解决简单场景下快速分类问题,掌握均值计算与最近邻判定,提升基础分类方法理解。
用开源中文 Pegasus 权重在 LCSTS 上继续微调,配数据构造、训练评估、现场生成的完整链路,点出词表替换等实操坑,适合想复现中文摘要的人。
通过生成器与判别器对抗训练,讲解基于 GAN 在 STL10 上生成图像的全流程,解决真实图像生成问题,掌握数据加载与对抗训练技巧,提升生成模型实战能力。
通过 PyTorch 手写递归网络,讲解 RNN/GRU/LSTM 评论分类流程,解决情感分类建模问题,掌握词表构建与训练评估,提升深度学习实战能力。
通过 AWQ 感知量化算法,讲解 AutoAWQ 对模型量化压缩的方法,解决大模型显存占用高、推理慢问题,掌握量化配置与精度评估,提升模型部署优化能力。
通过低秩矩阵注入,讲解 LoRA 高效微调分类任务的方法,解决全量微调资源消耗大的问题,掌握 LoRA 配置与训练评估,提升大模型高效微调能力。
通过全量微调 Qwen2.5-0.5B,讲解指令模型适配分类任务完整流程,解决输出不可控与准确率低问题,掌握数据构造与训练评估方法,提升大模型微调落地能力。
通过中文 GPT2 预训练模型微调,讲解生成文本摘要的数据处理与训练流程,解决摘要生成连贯性差问题,掌握数据构造与生成评估,提升文本生成实战能力。
通过生成器判别器对抗训练,讲解 GAN 在 CIFAR10 生成图像的全流程,解决真实图像生成问题,掌握对抗训练与评估方法,提升生成模型实战能力。
通过文本图像共享嵌入空间,讲解基于语义的图像检索完整流程,解决跨模态检索匹配问题,掌握嵌入计算与相似度检索方法,提升多模态应用开发能力。
通过 GRU 编码解码与注意力机制,讲解 Seq2Seq 生成对联方法,解决序列到序列文本生成问题,掌握注意力计算与模型训练,提升生成式 NLP 实战能力。
通过微调多语言预训练模型,讲解 mT5 实现中英翻译的数据处理与训练流程,解决中英翻译流畅度与准确性差问题,掌握微调评估与推理方法,提升机器翻译落地能力。
通过 BiLSTM 编码与 CRF 解码组合,讲解中文 NER 数据处理到训练预测全流程,解决实体识别问题,掌握模型搭建与评估方法,提升 NER 实战能力。