随手记 技术核心 / Core-Tech 系列: 博客建设
从这里开始:这个博客会写什么
现在这个站是什么
这是一个大一 CS 学生正在搭的学习记录站。
我现在主要在补三类东西:算法入门、AI 入门探索、大一课程。它们都还在打基础阶段,所以这里不会把自己写成已经很成熟的研究者,也不会把每篇文章包装成最终答案。更真实的状态是:学到哪里,先把能说清楚的部分写下来;以后理解变深了,再回来修。
会写什么
短期会优先写这些内容:
- 算法入门:题型、模板、容易忘的 C++ 写法,以及做题后的复盘。
- AI 探索:Machine Learning、AI Infra、模型应用和部署相关的入门记录。
- 课程笔记:大一课程里值得整理的知识点,而不是所有课堂内容搬运。
- 硬件折腾:PC 硬件、装机、小服务器、Bot 之类能动手试出来的东西。
这些内容的成熟度会不一样。有些文章是速查模板,有些只是论文初读,有些是折腾记录。页面里会尽量标清楚,让读者知道它是“可以直接查”的材料,还是“我刚读完一轮的理解”。
可以从哪里读起
如果你第一次来,可以先按这个顺序看:
- C++ 竞赛常用技巧速查:适合了解这个站会怎么整理基础知识。
- 250 元垃圾装机:更像生活区和折腾区的样子。
- DGOSR / LGCNet 读书笔记:这是我对论文阅读的早期尝试,不代表已经完全吃透。
- Projects 页面:以后小项目、硬件折腾和 AI Infra 学习实验会慢慢放在那里。
接下来想开始学什么
我接下来想开始系统接触 Machine Learning、AI Infra、Python、Rust。现在还不能说有什么成果,只是方向已经很吸引我。
这个博客的作用,就是把这些“刚开始”的东西留下来。等以后再回头看,至少能知道自己从哪里出发、哪里理解错了、哪些东西真的积累下来了。
相关阅读
Tech算法竞赛基础
C++ 竞赛常用技巧速查字符串转数字、环形处理、快速幂、坐标变换、vector 去重等竞赛常用代码片段。
Tech图像复原论文阅读
图优化与深度图超分辨率:DGOSR 读书笔记DGOSR 通过 Kronecker 分解与 ADMM 展开网络,在降低 56 倍参数量的同时实现 SOTA 深度图超分辨率。
Tech图像复原论文阅读
LGCNet 解读:从像素一致性到梯度一致性LGCNet 发现闪光/非闪光图像的梯度差服从拉普拉斯分布,将跨模态一致性从像素域提升到梯度域,并通过 ADMM 展开实现可解释的去噪网络。