你好，我是 Tendo（he / him）。这里是我的个人笔记本。
关于潜流
格物求真，笃行致用。
借儒家格物与笃行之意：追问原理，用实验检验理解，把所学落实为系统，也整理成别人能够继续学习的材料。
从潜在表征，到流动生成。
“潜”借自深度学习中的 latent，指向观测背后的潜在变量与模型中的表征。“流”借自生成模型：normalizing flow 通过可逆变换连接简单与复杂的分布；flow matching 则学习随时间变化的向量场，将简单分布输运到数据分布。潜流取的是其中对结构的探索，以及通过变换实现生成的意思。
这里有什么
我把学习与开发中值得留下的内容放在这里：从计算机视觉、NeRF 的原理，到 PyTorch、CUDA 和 Linux 环境里遇到的问题。
有些笔记是对一个概念的梳理，有些只是一次排错的记录。它们保留着写下时的日期与上下文，也可能随着新的理解继续更新。
如何阅读
你可以从所有文章按时间翻阅，也可以沿着标签找到相关主题。全文搜索可以帮你找回一段代码或一个关键词。
关于这些记录
技术笔记有时效性，尤其是软件版本与环境配置。阅读时，记得留意文章的发布和更新日期。
除非特别说明，内容采用 CC BY-NC-SA 4.0 协议分享。