AI教程

只读 Excel 明细并按地区汇总，以订单唯一性、整数分金额和总额勾稽检查统计结果。

按固定文献类别要求模型引用摘要证据，以 JSON 校验和人工复核处理不确定分类。

先在本地读取指定 UTF-8 文本并检查行号预览，再向 DeepSeek 提供经确认的内容。

同时控制模型初始化与 DataLoader 乱序，用两次同种子运行比较顺序、损失和参数，再用不同种子对照；说明跨设备和版本的复现边界。

将固定格式日期和整数分金额写成校验规则，隔离异常行并保存原值与拒绝原因。

给 DeepSeek 一段可复制的机器学习数学提示词，用固定输入推导线性打分、sigmoid、导数和 log-odds，再用 Python 标准库独立核对数值与浮点边界。

把十条样本的 4、4、2 小批次按真实样本数累积成 8、2 两次更新，核对最后不足一组的数据未遗漏，并与真实大批次对照参数。

固定逻辑回归模型、输入与线程设置，预热后用 perf_counter_ns 统计 CPU 推理 P50/P95 和样本吞吐；保存模型参数指纹和环境，说明与在线服务及 LLM 测速的区别。

用普通 PyTorch 分层模型演示冻结、清理旧梯度与分阶段解冻，核对更新前后的参数，并把新解冻参数加入现有优化器。

在 PyTorch 循环中按验证损失、改善阈值和等待次数实现早停，分别保存实际最佳参数，并用人为标签偏移验证停止后能恢复最佳轮次。