学习笔记

从 AE、变分推断和重参数化理解 VAE，结合原始论文梳理 MNIST/Frey Face 实验、概率架构、ELBO 损失与训练策略。

左侧英文原文，右侧中文译文，逐段对照阅读 Qwen-VL 的模型架构、三阶段训练、实验与附录，保留原图并直链文内引用。

从速度场、不可压缩条件和非线性放大出发，理解 OpenAI 公开的受迫三维 Navier–Stokes 有限时间奇点构造，以及它对数学和工程意味着什么。

围绕神经网络学习、反向传播、优化技巧与卷积神经网络，整理《深度学习入门》的核心知识。

从数据集、TensorBoard 与图像变换开始，整理 PyTorch 网络搭建、训练、保存和 GPU 使用流程。

沿着 Sigmoid、Tanh、ReLU、SiLU、GeLU 到 SwiGLU，理解激活函数如何围绕梯度传播与门控机制演进。

按原文、翻译和通俗解释三层结构，梳理 Qwen3-VL-Seg 的开放世界指代分割方法、数据集、训练方案与实验结果。

从 SFT、奖励模型与 PPO 三阶段出发，梳理 RLHF 的训练目标、关键公式、常见变体与实践挑战。

Windows Docker 与 WSL 2 配置、Docker Desktop 界面图解、容器管理、端口和数据持久化，以及 IT-Tools、rembg GPU 部署与排错。

记录在 VS Code 的 Git Graph 中回退当前分支，并将回退结果安全同步到远端的图形化操作流程。

从仓库、提交、分支与 HEAD 出发，整理远程协作、Pull Request、Rebase、Stash 等 Git 实践。

记录 Homebrew 的安装、PATH 配置、镜像设置，以及软件搜索、安装、更新和卸载方法。

记录使用 Marvis 配置 Windows、开发环境、Ollama 与本地多模态模型的完整思路。

记录 uv 的安装、项目初始化、依赖添加、PyTorch 索引配置和环境复用方法。

从理解设计、增加日志、测试驱动、Git 存档和主动复述五个角度，整理 AI 编程调试方法。

整理 Matplotlib 的基础绘图流程，以及图形配置、坐标轴、图例和布局工具的使用方式。

整理 Pandas 的 Series、DataFrame、索引、缺失值、分组聚合与常用数据处理方法。

收藏两套可复制的代码视频提示词：以锚词组织叙事的人文纪录片模板，以及包含事实核验、3D 机制演示和逐帧验收的科普短片模板。

记录一次约 100 元 Token 的 AI 知识视频实践，解释 Remotion、Claude/Codex/DeepSeek 的分工，并整理可复用的叙事、画面、音乐和验收方法。

记录逻辑运算符、通配符、短语和作者检索，以及提高文献查全率与查准率的方法。

整理 Word 段落、样式、表格、题注、页眉页脚、参考文献与长文档管理中的常见操作。

解释 A 股语境中的“做 T”、底仓与 T+1 约束，并整理常见操作方式和新手误区。

从开高低收四个价格出发，理解 K 线的结构、颜色惯例、常见形态和阅读时的风险边界。

从投资暴露、强制平仓、波动率和夏普比率出发，理解杠杆如何同时放大收益、风险与融资成本。

比较马丁与反马丁两种仓位管理思路，说明加仓、止损、趋势跟踪与资金承受能力之间的关系。

从 IPO、资金流向和股权稀释出发，梳理上市融资、一级与二级市场，以及企业选择上市的利弊。

系统整理 SVG 的坐标系、基础形状、路径、样式、复用、变换、动画和 Web 集成方式。

梳理 WMF/EMF 文件结构、绘图记录、坐标映射、位图操作、Windows API 与格式转换。