K2 二稿说明
本批包含 40 篇,一知识点一篇。原有知识图谱 ID、前置关系和相关关系保留;文章号用于检索,不要求完全按号码学习。数学部分可以先读导数,再读梯度;模型库可以结合相应数学节点学习。
二稿修订日期:2026-10-14。每篇的“使用边界”说明容易被误读的前提,“理解检查”可用于读后自测,“核验与复现”链接到实际日志。
正文中标为“一稿留存输出”的内容来自所提供一稿,保留其原环境与数值;它们不是本轮生成的记录。本轮在 Windows / CPython 3.12.14 运行,实际改写的示例使用“本轮输出”,完整日志放在核验目录。基准耗时、随机输出、路径和错误措辞可能因环境变化,教学断言才是需要检查的相应行为。
运行主示例:先安装与脚本所用库相容的依赖,再执行 python examples/脚本名.py。本文保留代码中的版本检查;当前运行环境没有执行 Python 3.14/3.15 新 API 分支。
PyPI 最新版与本轮测试版分列在根目录核验报告中。Streamlit 1.65.0 要求 pyarrow<26,本轮 PyArrow 为 25.0.1;不建议不检查依赖约束就把表中所有最新版装到一起。
文件入口:00-目录.md、逐篇核验表.md、待补查清单.md。二稿主要正文仍为可编辑 Markdown;手机阅读 HTML 汇集正文、代码与插图,联网后加载公式和 Mermaid 图解,离线仍可阅读文字、代码和内嵌插图。
PyTorch、TensorFlow、JAX、Transformers、Diffusers、PEFT 六篇未重跑深度学习模型示例。归一化教程的 PyTorch 对照也未运行,NumPy 部分已运行。
关联教程
- Scikit-learn:经典机器学习工具箱
- PyTorch:动态图深度学习框架
- TensorFlow 与 Keras
- JAX:可组合函数变换的数值计算库
- Hugging Face Transformers:预训练模型的统一接口
- Diffusers:扩散模型工具库
- PEFT 与 LoRA:参数高效微调
- 数组(Array)与 Python 列表
- 链表(Linked List)
- 栈(Stack)
- 队列(Queue)
- 哈希表(Hash Table)与 dict / set
- 树(Tree)
- 二叉树与二叉搜索树(BST)
- 图(Graph)
- 堆(Heap)与优先队列
- Trie(前缀树 / 字典树)
- Big O:时间与空间复杂度
- 快速排序(Quicksort)
- 归并排序(Merge Sort)
- 二分搜索(Binary Search)
- 广度优先搜索(BFS)
- 深度优先搜索(DFS)
- 最短路径问题总览(BFS / Bellman-Ford / Floyd-Warshall)
- Dijkstra 最短路径算法
- 动态规划(Dynamic Programming)
- 贪心算法(Greedy)
- 线性代数总览:线性方程组、线性变换与秩
- 向量:范数、点积与余弦相似度
- 矩阵与矩阵运算
- 特征值与特征向量
- 概率:随机变量、分布与 softmax 采样
- 统计学:描述统计、置信区间与假设检验
- 贝叶斯定理与贝叶斯推断
- 梯度与反向传播
- 导数:变化率、数值微分与链式法则
- 优化:梯度下降、动量与 Adam
- 损失函数:MSE、交叉熵与困惑度
- 正则化:L1、L2、Dropout 与权重衰减
- 归一化:特征缩放、BatchNorm、LayerNorm 与 RMSNorm