李相越的博客

初识Qwen的VL系列模型，简单分析模型运转逻辑

简单分析Flux和Z-image中Transformer架构区别

初识wan系列模型，简单分析模型运转逻辑

Stable Diffusion 1.5 中的 UNet 架构

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。

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

从零实现Transformer做列表翻转，提供 encoder-decoder 架构以及 decoder_only 架构实现

手撕 DiT，深入理解 DiT 架构和 Flow Matching 的训练

手撕 MultiHeadAttention，深入理解 Attention 机制和运行流程

我的第二篇论文，利用大语言模型和经对比学习微调的Anomaly-aware CLIP 模型进行跨模态检索。生成模型以检索到的异常图像作为先验条件，在正常物体上合成带有相应缺陷的图像。