陈逸妤的学习手记
记录学习和成长的过程
光学是本行,具身纯了解学习中,喜欢vibe coding开发work工作流,正在学习西语
把图像变成 16×16 的“词”|ViT 论文互动精读
2026-11-22
把一张 224×224 的图像切成 Patch,看看序列有多长,再亲手调节注意力权重。用 7 章、21 道自测和论文原图读懂 Vision Transformer。
3999 字
|
20 分钟
Swin Transformer 完整学习手册|从 ViT 到移动窗口注意力
2026-11-22
沿着一张图像走过 Swin-T 的四个 Stage,在 8×8 网格上移动窗口、检查 Attention Mask,再用原论文图表和 PyTorch 代码理解跨窗口通信。
8116 字
|
41 分钟
Transformer 学习笔记(一):Token、d_model 与 Q/K/V 到底是什么?
2026-11-21
从「小明喜欢苹果」出发,追踪 Token 到 Q/K/V 的维度变化,推导 Softmax 前为什么除以根号 d_k,再看多个注意力头能多做什么。
3711 字
|
19 分钟
Transformer 学习笔记(二):精读《Attention Is All You Need》,从手算注意力到手写 Transformer
2026-11-21
沿着 I love cats → 我喜欢猫 走完原版 Transformer。结合论文原图、手算、实验表和可运行的 PyTorch 实现,理解位置编码、Encoder、Decoder、训练与生成。
10134 字
|
51 分钟