9个月前高性能IoC（控制反转）容器设计与Aop（面向切面编程）四：你的private有时需要“被我一览无余”（JVM的底层“后门”与语言级绕过安全检查的反射“黑魔法”）
第四部分：实现篇 - 高性能反射 在前面的章节中，我们设计了 IoC 容器和 AOP 框架的架构。这些框架的核心都依赖于 Java 反射机制。然而，传统反射存在严重的性能问题。本部分将深入探讨如何实现
9个月前标签云
共 30 个标签
机器学习 30 篇文章
9个月前
9个月前使用JDK底层魔法类和字节汇编为Forge引入运行时动态依赖加载
目标 在Forge扫描Mod之前将 它的依赖下载并动态注入到ClassLoader，而不是shadow打包FatJar，目的是为了减小Mod的体积。下载部分不再阐述，本文只探讨动态注入部分 思路 因为
11个月前CBAM和CA注意力机制
前言 在EfficientNet的复现中我们已经提到了SE注意力机制，现在简要介绍18年的CBAM和21年的CA注意力机制 论文： (ECCV'18)CBAM: Convolutional Bloc
11个月前复现谷歌EfficientNet
前言 在后ResNet时代，EfficientNet作为仅用ResNet 3%的参数就达到其90%性能的存在，值得我们的研究一番 目标：实现EfficientNet的完整架构，包括： Stem: 初
11个月前机器学习笔记（23）：Transformers Encoder-Decoder架构
前言 这是笔者在结束科班课程后对此系列笔记的接续更新，此后该系列的笔记主要以论文解析为主，值得注意的是，在之前CNN领域有诸多创新，例如2012年的AlexNet，2014年的VGGNet，2015年
2025-06-10机器学习笔记（22）：注意力机制
前言 人脑每个时刻接收的外界输入信息非常多，包括来自于视觉、听觉、触觉的各种各样的信息，人脑中的工作记忆并不能同时处理这些过载的输入信息，大脑神经系统有个重要机制可以解决信息过载问题，即注意力 借鉴人脑解决信息过载的机制，提高对神经网络处理信息的能力 注意力机制 简介 注意力是一种人类不可或缺的复杂认知功能，可以关注一
2025-06-06机器学习笔记（21）：网络优化和正则化
引言 当神经网络模拟应用到机器学习时，往往会遇到下面两个问题 优化问题 全局最优解困难 训练效率通常比较低 梯度消失/爆炸问题 这导致神经网络的网络优化十分困难 泛化问题 模型复杂度高 拟合能力很强 容易产生过拟合问题 需要通过正则化方法提高泛化能力 网络优化 简介 网络优化指寻找一个神经网络模型来使得经验（或结构）风
2025-06-03机器学习笔记（20）：循环神经网络
循环神经网络 前馈神经网络的缺陷 前馈神经网络每次输入都是独立的，即网络的输出只依赖于当前输入，且要求输入和输出都维度都是固定的，不能任意改变 但现实情况下，要求网络输出不仅和当前时刻输入相关，也和其过去一段时间输出相关，并且时序数据的长度一般式不固定的，比如视频、语音、文本等 给网络增加短期记忆能力 针对上面的问题，
2025-05-30机器学习笔记（19）：卷积前馈神经网络
卷积（前馈）神经网络 简介 卷积神经网络（Covolutional Neural Network, CNN）是一种在计算机视觉领域取得了巨大成功的深度学习模型。它们的设计灵感来自于生物学会总得视觉系统，旨在模拟人类的视觉处理方式。 图像原理与为什么需要CNN 灰白图像在计算机中是一堆按顺序排列的数字，数值为0到255，
2025-05-20机器学习笔记（18）：全连接前馈神经网络
（全连接）前馈神经网络 简介 前馈神经网络（Feedforward Neural Network， FNN）作为神经网络的一种，把每个神经元按接收信息的先后分为不同的组，每一组可以看作是一个神经层。每一层的神经元接收前一层神经元的输出，并输出到下一层神经元。整个网络中的信息是朝着一个方向传播的，它可以看作是一个函数，通
1
2
3