我发现了一个AI量化神器，真的像在看巴菲特炒股！最关键的是他开源了 说实话，现在开源的量化框架多得像韭菜一样，GitHub上一搜一大堆，能跑的也多，但是靠谱的……没几个。 但最近我真挖到一个宝了，一上

全面图解CV大模型开山之作: Vision Transformer（ViT），带领大家阅读VIT中的细节和VIT超越图像分类本身的意义。

本文从知识的输入，到文章结构的安排，再到画图，下笔直至最后的完成花费了两周时间，参考了很多资料，把一些资料中比较好的观点融入文章之中，用通俗的语言带你了解transformer，希望你能够有所收获！

机器学习的本质 机器学习的任务，就是要找到一个函数，能够根据输入，预测出一个结果。 机器学习的分类 机器学习中的任务主要分为两类：Regression回归任务和Classification分类任务。

3. 梯度下降 3.1 分析 接上节，现实中穷举法不可能 使用梯度下降算法，是一个贪心算法，不一定全局最优，能得到局部最优 $$ 求梯度： Gradient = \frac{\partial Loss

TTS 语音模型我们都不陌生，前段时间一夜火爆的ChatTTS模型更是效果炸裂，很多人都更换了常用的语音生成模型，转而使用它。 而今天再次为大家介绍一款新型的TTS语言生成模型工具-FishSpeec

近年来，Transformer已经成为机器学习领域的明星架构。本文将通过35张图，简明扼要地梳理Transformer的重要概念和基本构成，让你对这一明星模型有更为清晰的认识，还有进阶版资料附在文末噢。文内还有新年福利，赶紧戳文吧！

本文详细解析了Transformer整体模型结构，并深入分析了各个layer层的原理及给出了计算公式，针对每个 layer、block 都给出了较为详细的代码实现方便深入理解网络结构。

​   ​ 编辑 Ollama 是一个开源的本地大语言模型运行框架，专为在本地机器上便捷部署和运行大型语言模型（LLM）而设计。 Ollama 支持多种操作系统，包括 macOS、Windows、Li