• 原文地址：https://my.oschina.net/u/876354/blog/3064227
• 原文作者：雪饼

卷积（convolution）是深度学习中非常有用的计算操作，主要用于提取图像的特征。在近几年来深度学习快速发展的过程中，卷积从标准卷积演变出了反卷积、可分离卷积、分组卷积等各种类型，以适应于不同的场景，接下来一起来认识它们吧。

卷积核（Kernel）：卷积操作的感受野，直观理解就是一个滤波矩阵，普遍使用的卷积核大小为3×3、5×5等；

步长（Stride）：卷积核遍历特征图...

在 国家中小学智慧教育平台（ https://basic.smartedu.cn/tchMaterial ）注册登录后，可以在线查看国内中小学的各科多版本的电子教材，但网站内并未提供下载方式：

只需借助浏览器的开发者工具，即可获取电子教材的下载链接及权限，从而实现免费下载电子版教材。

通常可通过 F12 打开浏览器的开发者工具，切换到 网络（Network）选项卡，然后在网站内点击某本教材进行查看，筛选 Fetch/XHR 类型包含 .pdf 的请求，右键点击请求，选择拷贝，即可获取下载教材必...

在 MedImageInsight 中，介绍了由微软发表，第三方发布的医学图像嵌入模型，本文将以其中的 Text Encoder 为例，浅析 Embedding 模型的工作原理。

Embedding 模型是一种将高维数据（如文本、图像等）转换为低维向量表示的模型。通过这种转换，模型能够捕捉数据的语义信息，使得相似的数据在向量空间中距离更近。

以 lion-ai/MedImageInsights 中的 Text Encoder 为例（其使用的分词器只支持英文），输入 ["lumbar spine...

在 Mac 上无论使用命令行工具，还是右键菜单打包、压缩文件，在其他操作系统打开时，都会看到一些隐藏文件，例如：

Mac 文件系统中包含如下内容：

$ tree -a
.
├── .DS_Store
├── file1
├── file2
├── file3
└── test
    ├── .DS_Store
    ├── file1
    ├── file2
    ├── file3
    └── test
        ├── .DS_Store
        └── test

3 directories, 9 files
# 打包
$ tar -...

https://docs.pytorch.org/docs/stable/generated/torch.nn.Embedding.html#torch.nn.Embedding

nn.Embedding(num_embeddings, embedding_dim) 可以看成是一个查表词典：

• 有 num_embeddings 行，每一行是一个 embedding_dim 维的向量。
• 输入是索引（比如单词 ID、类别 ID），输出是对应行的向量。

max_norm 的作用：

给这个“词典...

豆瓣评分 9.3

本书中的所有代码示例均可在Manning出版社的官方网站(https://www.manning.com/books/build-a-large-language-model-from-scratch)和GitHub(https://github.com/rasbt/LLMs-from-scratch)上找到

https://magazine.sebastianraschka.com

https://sebastianraschka.com

• [PAD]（...

• 原文地址：https://wyiyi.github.io/amber/2025/12/20/CTE/

在开发过程中，发现在 MYSQL 的 Mapper 文件中会用到 WITH 关键字，有一些疑问：为什么要用WITH 和 WITH RECURSIVE ？是什么？有何区别？

MySQL 从 8.0 开始支持 WITH 语法，即：Common Table Expressions （CTE），公用表表达式。

CTE 是一个命名的临时结果集合，仅在单个 SQL 语句（select、insert、update...

MedImageInsight: AN OPEN-SOURCE EMBEDDING MODEL FOR GENERAL DOMAIN MEDICAL IMAGING 论文中提出了一个用于医学图像的开源嵌入模型：MedImageInsight。该模型采用类似 CLIP 的双塔架构，一个塔是图像编码器，另一个塔是文本编码器：

MedImageInsight 在未经微调的情况下，即可在分类、图像检索、报告生成等多种医学图像任务中表现出色：

该论文主要作者来自微软相关团队，在网络上搜索 MedImageInsight...

DICOM（Digital Imaging and Communications in Medicine，医学数字成像和通信）是一种用于存储和传输医学影像数据的国际标准。

自从 1985 年首次发布以来，DICOM 标准已经经历了多次修订和扩展，以适应不断发展的医学影像技术和需求。当前最新版本为 2025e，历史版本可见 历史版本 和 各版本多种文件格式归档。

DICOM 数据字典定义了 DICOM 文件中使用的各种数据元素及其属性。以下是一些常见的数据元素及其含义：