李猪兰

深入解析机器学习中的主流优化器，包括SGD、Momentum SGD、AdaGrad、RMSProp、Adam和AdamW等算法的原理、优缺点及应用场景。重点介绍AdamW通过解耦权重衰减解决正则化问题，成为大规模模型训练的首选优化器，为深度学习模型选择合适的优化策略提供实用指导。

系统介绍计算机视觉中的数据增强技术，涵盖基本的单样本增强方法（翻转、旋转、裁剪、噪声等）和先进的多样本增强策略（SMOT、Mixup、CutMix等）。深入探讨各种增强技术的原理、应用场景及实现方式，帮助提升模型泛化能力和训练效果。

详解深度可分离卷积的核心概念与实现原理，通过将标准卷积分解为深度卷积和逐点卷积两个步骤，大幅减少模型参数量和计算复杂度。深入分析这一轻量级网络设计技术如何在保持性能的同时实现高效的特征提取，为移动端和边缘计算场景提供优化方案。

本文全面介绍了生成对抗网络(GAN)的核心概念与发展历程，从自编码器、变分自编码器的基础原理出发，深入探讨了条件生成GAN(CGAN、InfoGAN、ACGAN)、多尺度生成GAN(LAPGAN、Progressive GAN)以及StyleGAN系列的技术创新。文章详细分析了GAN的评估方法，包括Inception Score、FID等指标，并对比了GAN与扩散模型在生成质量、训练稳定性、推理速度等方面的差异，为深度学习从业者提供了完整的GAN技术图谱。

全面的Python代码规范指南，包含PEP8规范、命名约定、函数设计原则、异常处理、性能优化等最佳实践，帮助开发者编写更清晰、可维护的Python代码。

详细解读项目和产品版本命名规范，包括主版本号、副版本号、修订版本号、日期版本号和希腊字母版本号的含义和使用方法。涵盖从Base到Release各个阶段的版本定义，以及版本号在整个软件研发生命周期中的应用场景。

详细介绍AI编程的完整开发流程，从需求分析到编码测试的全方位指南。包含需求分析、系统设计、详细设计、渐进式编码等各个阶段的规范化流程和提示词模板，是AI辅助开发的实用手册。

全面介绍深度学习中的主要激活函数，包括Linear、ReLU、Sigmoid、Tanh、Leaky ReLU、Softplus、ELU、SELU、Swish和GELU等函数的数学公式、特性和应用场景。通过对比分析各激活函数的输出范围、非线性特性和适用领域，为不同网络架构选择合适的激活函数提供参考指南。

全面的AI开发提示词集合，涵盖需求编写、框架设计、代码编写、Bug修复、代码分析等各个环节。包含具体的提示词模板和使用示例，是AI辅助开发的实用工具库，帮助开发者更高效地与AI协作完成项目开发。

全面解析深度学习经典骨干网络架构，从AlexNet、VGG、GoogLeNet的奠基性创新，到ResNet的残差连接突破、MobileNet系列的移动端优化，再到Transformer在视觉领域的应用。详细介绍各网络的核心创新点、技术原理和应用场景，为不同任务提供骨干网络选择指导。