研究者与开发者，探索 机器学习、 计算机视觉和 创意技术的交叉领域。
构建创新解决方案，将前沿研究与实际应用相结合。 热爱开源，乐于分享知识。
探索 Transformer 模型的内部工作原理，从自注意力机制到实际实现技巧。
学习如何为生产环境设计和构建可扩展的机器学习流水线。
我的思考、教程和见解
计算机视觉基础的综合指南，包括图像处理、特征检测和现代神经网络。
在不牺牲质量的前提下提高模型速度和准确性的实用策略。
探索 AI 系统的伦理影响以及如何构建负责任的技术。
理解用于创意应用的 VAE、GAN 和扩散模型。
我构建和参与的项目
一个开源的语义分割工具包，提供预训练模型和易于使用的 API。
一个基于 Web 的仪表板，用于实时跟踪和可视化机器学习实验。
用于艺术应用的实时神经风格迁移研究实现。
