楚权的世界

本文罗列了一些我业余时间开发的独立产品，如果我写的博客对你有些许帮助，那我也诚邀你下载体验一下我开发的独立产品。当然，如果能够针对产品提出一些建议或给个好评，那真的不胜感激！这也会是我继续完善产品的动力！

前一篇文章 循环神经网络 中我们介绍了 RNN、LSTM、GRU 等。本文，我们将以此为基础，进一步介绍大名鼎鼎的 注意力机制。

前面，我们介绍了适用于图像和视觉领域的 卷积神经网络。本文，我们来介绍适用于时序数据处理场景的 循环神经网络（Recurrent Neural Network，RNN）。

我们日常使用的语言，如中文、英文，称为 自然语言（natural language）。 自然语言处理（Natural Language Processing，NLP）则是一种让计算机理解人类语言的技术。现在很多知名的工具，比如：搜索引擎、机器翻译、ChatGPT 等，都是基于自然语言处理技术的应用。

通过前面几篇文章，我们对神经网络有了一个基本的认识。本文，我们来介绍一下神经网络在图像与视觉领域的应用——卷积神经网络（Conventional Neural Network，简称 CNN）。

在深度学习中，为了便于组合任意结构、任意层次的神经网络，通常会对神经网络进行分层设计，这也是一种模块化的设计思想。

前一篇 文章 我们介绍了人工神经网络的基本原理，本文我们将使用 Python 来实现一个简易的神经网络，可用于识别手写数字，从而加深对于神经网络的理解。

最近看了《Python 神经网络编程》一书之后，对于神经网络的基本原理有了一个初步的理解，于是产出此篇文章作为系统性的梳理和总结。

最近在思考一个问题：如何打造个人品牌？思来想去，我觉得要做到以下几点：

• 确定目标受众
• 培养专业能力
• 维持社交媒体
• 建立人脉关系

之前我们介绍了在游戏领域中广泛使用的实时渲染技术——光栅化，本文我们来介绍一下在特效领域中广泛使用的离线渲染技术——光线追踪。

在介绍光线追踪之前，我们先来学习一下其所涉及的重要内容——辐射度量学。由于该内容相对独立，这里单开一篇文章来进行介绍。

前面我们介绍了观测变换、光栅化、着色等几个图形学中比较复杂的主题，本文我们稍微放松一下，介绍一个相对比较简单的主题——几何。

上一篇 文章 我们介绍了光栅化所涉及的基本内容。通过光栅化，我们可以实现将 3D 空间模型的投影绘制到 2D 屏幕。然而，仅仅实现光栅化，还不足以让渲染结果具有真实感，如下图左部所示。我们希望能够模拟光线所带来的的明暗效果，如下图右部所示。

上一篇 文章 我们介绍了矩阵变换在计算机图形学中的应用，包括：视图变换、模型变换、投影变换。此外，我们还详细介绍了投影变换中的正交投影和透视投影，以及屏幕映射过程中的视口变换。

上一篇文章我们介绍了计算机图形学中的数学基础，包括：2D 变换、3D 变换、齐次坐标等。本文，我们则来介绍将三维模型投影到二维屏幕的数学原理。

上一篇文章我们介绍了计算机图形学中的线性代数基础，包括：点、向量、矩阵等。本文，我们将介绍向量和矩阵的进一步应用——变换。

最近对计算机图形学比较感兴趣，刷了一遍《计算机图形学入门：3D渲染指南》，看了一遍《GAMES 101》。本文对计算机图形学的线性代数相关基础进行了梳理和总结，以便后续进行复习和回顾。