It's actual a good thing
- 看见网络训练:从 XOR 到加法器
通过参数可视化和 4 位加法器,理解数据表示、通用训练过程,以及怎样判断网络是否学会了任务
- 反向传播
用链式法则把梯度从输出层逐层传回输入层,一次前向加一次反向就拿到所有参数的梯度
- 梯度与有限差分
从数学和几何角度理解梯度、有限差分,以及为什么反复迭代就能找到最优参数
- 全连接神经网络的通用实现
把前几篇手写的神经元代码收拢成一个通用库,用一个数组描述网络结构
- 神经网络的矩阵形式
从手写神经元计算到矩阵形式,理解神经网络的通用计算模型与线性代数本质
- 神经元与逻辑门
从单个神经元到三层网络,用 C 代码让机器学会逻辑门
- 线性回归与梯度下降
从一段 C 代码出发,理解机器学习的核心思想
- AI Agent 架构设计与简易落地
从 ReAct 模式到工程化落地,系统梳理 AI Agent 的核心概念、架构设计与状态机定义
- Using Structs
Define and use custom data structures with Rust structs
- Enums and Pattern Matching
Enumerations and pattern matching for type-safe programming
- Generic Types, Traits, and Lifetimes
Generic types, traits and lifetimes for code reuse and abstraction
- Writing Automated Tests
Writing automated tests to ensure code quality and correctness
- Smart Pointers
Smart pointers for advanced memory management patterns
- Ownership
Understanding Rust's ownership system, memory management without garbage collector
- Common Collections
Working with Vector, String and HashMap collections