李相越的博客

从零构建Qwen2.5VL的推理

从零构建Qwen2.5VL的推理

从零构建Qwen2.5VL的推理，分析前向传播的shape变化

2026-07-23

VLM

#多模态 #VLM

Awesome Reference Image Generation

Awesome Reference Image Generation

A curated list of open-source reference image generation methods.

2026-07-16

图像生成

#可控图像生成 #DiT

Awesome Image Generation Model

Awesome Image Generation Model

A curated list of open-source image generation models.

2026-07-14

图像生成

#可控图像生成 #DiT

初识Qwen的VL系列模型

初识Qwen的VL系列模型

初识Qwen的VL系列模型，简单分析模型运转逻辑

2026-04-22

VLM

#多模态 #VLM

简单分析Flux和Z-image中Transformer架构区别

简单分析Flux和Z-image中Transformer架构区别

简单分析Flux和Z-image中Transformer架构区别

2026-04-15

图像生成

#可控图像生成 #DiT

初识wan系列模型

初识wan系列模型

初识wan系列模型，简单分析模型运转逻辑

2026-04-15

图像生成

#可控图像生成 #DiT

Stable Diffusion 1.5 架构分析

Stable Diffusion 1.5 架构分析

Stable Diffusion 1.5 中的 UNet 架构

2026-04-15

图像生成

#Stable Diffusion #可控图像生成

手撕MLP和CNN

手撕MLP和CNN

介绍利用pytorch、numpy分别实现MLP和CNN网络架构，并且进行手写数字识别任务，详细分析实现原理。

2026-04-15

计算机视觉基础

#MLP #CNN

FLUX.1-dev架构分析

FLUX.1-dev架构分析

详细分析FLUX.1-dev架构，利用 diffusers 库提供的代码探究细节

2026-04-14

图像生成

#可控图像生成 #DiT

手撕DiT

手撕DiT

手撕 DiT，深入理解 DiT 架构和 Flow Matching 的训练

2026-04-09

DiT

#DiT