机器之心发布

机器之心编辑部

小视科技团队开源的基于 RGB 图像的活体检测模型，是专门面向工业落地场景，兼容各种复杂场景下的模型。该自研的剪枝轻量级模型，运算量为 0.081G，在麒麟 990 5G 芯片上仅需 9ms。同时基于 PyTorch 训练的模型能够灵活地转化成 ONNX 格式，实现全平台部署。

如今，人脸识别已经进入我们生活中的方方面面：拿起手机扫脸付账、完成考勤、入住酒店等，极大地便利了我们的生活。

本系列文章是原作者Rohit Patel的长篇雄文《Understanding LLMs from Scratch Using Middle School Math-A self-contained, full explanation to inner workings of an LLM》的深度学习与解读笔记。

机器之心报道

编辑：欣东、陈陈

图像识别模型如何“自动对齐”？空间变换网络(STN)

一、引言：空间变换网络（STN）是什么？为什么重要？

在深度学习的视觉识别任务中，物体的位置、角度、尺度变化等“几何扰动”常常导致模型识别困难。而空间变换网络（Spatial Transformer Networks, STN）正是一种能让神经网络自动学习“对齐、纠正、放大/缩小”图像区域的结构。

大模型的温度参数（Temperature）是控制生成式模型输出随机性和多样性的核心超参数，通过调整概率分布形态来平衡文本的创造性与确定性。以下是其关键要点：

一、定义与核心作用

1. 概率分布调节器

温度参数作用于模型的softmax层，通过缩放原始logits（未归一化得分）来调整输出概率分布形态。其数学表达式为：

1. Softmax函数基础

1.1 Softmax函数定义

1.1.1 数学表达式

用TorchRL落地PPO：一文带你搞懂策略优化RL模型训练

一、引言：为什么要学PPO？

1.1 强化学习回顾与PPO简介

1. Softmax函数

1.1 工作原理

1.1.1 归一化概率分布

来源：时序人