在imagenet上的图像分类challenge上大神Alex提出的alexnet网络结构模型赢得了2012届的冠军，振奋人心，利用CNN实现了图片分类，别人用传统的机器学习算法调参跳到半死也就那样，Alex利用CNN精度远超传统的网络。
在我看来，这说明在深度学习的研究中，可视化并不受重视。我发现它对训练和「Starting deep learning hands-on: image classification on CIFAR-10」这样的课程很有用。
Scalar、Vector、Marix、Tensor，点线面体一个都不少。参考 机器学习中的函数 - 全连接限制发展，卷积网络闪亮登场 卷积神经网络作为是实现深度学习的重要方法之一，整个网络第一步就是应用卷积进行特征提取，通过几轮反复后获得优质数据，达成改善数据品质的目标，我们一起复习一下卷积层工作的这两个关键步骤。
摘要AI for Science：下一个超级应用。AI for Science（AI4S）即人工智能驱动的科学研究，2024年的英伟达GTC大会中，黄仁勋将大语言模型、具身智能、AI4S并列为AI三大关键方向。
MyScale拓展了结构化查询语言，在同一个系统中支持海量结构化、向量、文本、JSON数据交换格式、空间、时序等各类异构数据的高效存储和联合查询，数据密度、插入速度、查询效率优于国内外其他系统“忆立方”模型通过将知识分层处理，并引入内置数据库，来提高知识写入和读取的效率文 |《瞭
