公式演示:AI 里常见的 LaTeX 数学写法
这是一篇专门用来测试和展示 LaTeX 公式效果的博客。
如果你的博客已经启用了数学渲染,那么下面这些公式应该会被漂亮地渲染出来。
1. 向量点积
$$ q^T k = |q|,|k|\cos\theta $$
这表示两个向量的相似程度。
2. Self-Attention 打分公式
$$ \mathrm{score}(q_i, k_j) = \frac{q_i^T k_j}{\sqrt{d_k}} $$
这里:
- $q_i$ 是 Query
- $k_j$ 是 Key
- $d_k$ 是向量维度
3. Attention 主公式
$$ \mathrm{Attention}(Q,K,V) = \mathrm{softmax}\left(\frac{QK^T}{\sqrt{d_k}}\right)V $$
这是 Transformer 里最经典的公式之一。
4. Softmax
$$ \alpha_{ij} = \frac{\exp(s_{ij})}{\sum_{j’} \exp(s_{ij’})} $$
Softmax 会把分数转成概率分布。
5. 一个简单损失函数
$$ \mathcal{L} = -\sum_i y_i \log(\hat{y}_i) $$
这是交叉熵损失的常见形式。
6. 矩阵形式
$$ S = QK^T $$
$$ A = \mathrm{softmax}(S) $$
$$ O = AV $$
7. 总结
如果这些公式都能正常显示,那就说明你的博客已经可以支持:
- 行内公式
- 块级公式
- 常见 AI 数学表达式
- 复杂的 LaTeX 结构
这篇文章以后也可以作为你博客的公式渲染测试页。