标题: 开源推广发帖模板
作者: #hefeng6500
板块: #国产替代
编号: 1983745
帖子: https://linux.do/t/topic/1983745
时间: 2026-04-17 00:02:48
摘要:

本帖使用社区开源推广，符合推广要求。我申明并遵循社区要求的以下内容：

我的帖子已经打上 开源推广 标签： 是
我的开源项目完整开源，无未开源部分： 是
我的开源项目已链接认可 LINUX DO 社区： 是
我帖子内的项目介绍，AI生成、润色内容部分已截图发出： 是
以上选择我承诺是永久有效的，接受社区和佬友监督： 是

已在项目中添加友情链接

以下为项目介绍正文内容，AI生成、润色内容已使用截图方式发出

各位L大佬好，最近在钻研深度学习的底层数学原理，总觉得直接调包（PyTorch/TensorFlow）虽然爽，但对反向传播、权重衰减这些细节的理解总隔着一层雾。于是花了一点时间，撸了一个仅依赖 NumPy 的手写数字识别项目。
【项目简介】 项目地址：https://github.com/leonyangdev/digit-recognizer 这是一个面向学习者的开源项目，实现了从零构建一个两层神经网络。
小册文档地址：从零实现两层神经网络
【核心亮点】

零框架依赖：除了数学计算库 NumPy，没有使用任何深度学习框架，代码逻辑一眼到底。
硬核实现：


完整实现了前向传播与反向传播。
加入了 AdamW 优化器（在实现过程中纠正了关于 Weight Decay 和梯度波动关系的不少理解误区）。
包含 Cross-Entropy Loss 的推导逻辑。


适合人群：


跟我一样喜欢想看看数学公式如何变代码的同学。
想了解神经网络底层“加减乘除”到底是怎么运作的极客。

训练截图

【求支持】 如果这个项目对你有启发，或者你也喜欢这种“不造轮子不舒服”的风格，欢迎点个 Star 支持一下！ 也欢迎大家在评论区交流关于深度学习底层实现的各种坑，或者是对代码结构改进的建议。

标题: 实测了一把any 的opus4-7 xhigh简直快得都不像是opus了，回车直接出结果，日本小说测试题的乱码问题已解决了
作者: #Ai小白
板块: #搞七捻三
编号: 1983770
帖子: https://linux.do/t/topic/1983770
时间: 2026-04-17 00:06:10
摘要:

之前判断是不是opus可用这个日本小说看有没有乱码问题，但是好像opus4-7这个问题已经解决了，而且这个opus4-7也太快了

标题: 测了一下 Opus 4.7 只有Effort Max 通过了洗车测试
作者: #Hex1337
板块: #搞七捻三
编号: 1983771
帖子: https://linux.do/t/topic/1983771
时间: 2026-04-17 00:06:21
摘要:

Effort Max 回答正确

Effort  xhigh 回答错误

Effort high 胡言乱语

标题: 听说gpt有新生图模型？！
作者: #晦明有期
板块: #搞七捻三
编号: 1983776
帖子: https://linux.do/t/topic/1983776
时间: 2026-04-17 00:07:05
摘要:

几天没进站了，刚进站就刷到4.7opus和gpt新的生图模型，我去试了试生图，所以这是新模型吗 不过我要的性感不是漏啊喂

标题: GPT新模型，这精细度，无敌！
作者: #白魂
板块: #搞七捻三
编号: 1983781
帖子: https://linux.do/t/topic/1983781
时间: 2026-04-17 00:08:08
摘要:

看到L站有佬用到了GPT新模型，我想着也去试一下。中奖了，我号也有
我的是team子号（感觉应该是随机给的灰度）
这是我生成的几个图 效果简直无敌了



（给人家星穹铁道LOGO都给拿来了，真不怕被告吗）