--- name: obsidian-markdown description: 优化的Obsidian Markdown语法，专注于学习笔记的高效编写和知识管理。包含wikilinks、嵌入、提示框、属性等Obsidian特有语法，提升笔记可读性和知识连接性。 --- # Obsidian学习笔记Markdown技能 ## 核心理念 为学习笔记优化的Obsidian Markdown语法，强调： - **知识连接性**: 通过wikilinks建立知识网络 - **视觉层次**: 清晰的结构和重点突出 - **内容组织**: 高效的信息整理和检索 - **学习友好**: 适合知识积累和复习的格式 ## 语法体系 Obsidian Markdown = 基础Markdown + 知识管理扩展 - **基础**: CommonMark + GitHub Flavored Markdown - **数学**: LaTeX公式支持 - **扩展**: wikilinks、嵌入、提示框、属性等 ## 学习笔记结构模板 ### 标准笔记格式 ```markdown --- tags: #机器学习 #概念 aliases: ["神经网络", "NN"] status: 学习中 created: 2024-01-15 --- # 神经网络基础 ## 🎯 学习目标 - 理解神经网络的基本概念 - 掌握前向传播和反向传播 - 实现简单的神经网络 ## 📖 核心概念 ### 基本定义 神经网络是受生物神经系统启发的计算模型... ### 关键术语 - **神经元**: 基本计算单元 - **权重**: 连接强度参数 - **激活函数**: 非线性变换 ## 🧮 数学原理 ### 前向传播 $$y = f(Wx + b)$$ ### 反向传播 $$\frac{\partial L}{\partial W} = \frac{\partial L}{\partial y} \cdot \frac{\partial y}{\partial W}$$ ## 💻 代码实现 ```python import torch import torch.nn as nn class SimpleNet(nn.Module): def __init__(self): super().__init__() self.fc1 = nn.Linear(784, 128) self.fc2 = nn.Linear(128, 10) def forward(self, x): x = torch.relu(self.fc1(x)) return self.fc2(x) ``` ## 🔗 相关链接 - [[深度学习概述]] - [[激活函数比较]] - [[反向传播详解]] ## 📝 学习笔记 > [!note] 重要提醒 > 理解梯度消失问题是掌握深层网络的关键 ## ❓ 疑问与思考 - 为什么需要激活函数？ - 如何选择合适的网络结构？ ## 📚 参考资料 1. 《深度学习》- Ian Goodfellow 2. CS231n课程笔记 ``` ## 格式化语法速查 ### 文本强调 ```markdown **重点内容** - 粗体强调 *关键词* - 斜体强调 ==高亮文本== - 黄色高亮 `代码片段` - 行内代码 ~~删除内容~~ - 删除线 ``` ### 标题层次 ```markdown # 一级标题 - 笔记主题 ## 二级标题 - 主要章节 ### 三级标题 - 具体内容 #### 四级标题 - 细节说明 ``` ### 列表格式 ```markdown ## 无序列表 - 主要概念 - 子概念1 - 子概念2 - 相关概念 ## 有序列表 1. 第一步：理解概念 2. 第二步：实践应用 1. 子步骤2.1 2. 子步骤2.2 3. 第三步：总结反思 ## 任务列表 - [ ] 理论学习 - [x] 代码实践 - [ ] 项目应用 ``` ## 🔗 知识连接系统 ### Wikilinks基础语法 ```markdown # 基本链接 [[神经网络]] # 链接到笔记 [[神经网络|神经网络基础]] # 自定义显示文本 [[神经网络#前向传播]] # 链接到特定章节 [[神经网络#^block-id]] # 链接到代码块 ``` ### 块级引用和链接 ```markdown # 定义可引用的块 这是重要的概念定义 ^concept-def > 这是关键引用内容 > 包含多行说明 ^key-quote # 链接到块 [[神经网络#^concept-def|概念定义]] [[神经网络#^key-quote|关键引用]] ``` ### 知识网络构建 ```markdown ## 概念关系图 - **神经网络** ← [[深度学习]]的子概念 - **前向传播** → [[反向传播]]的对应过程 - **激活函数** 影响 [[梯度消失]] ## 学习路径 [[数学基础]] → [[机器学习入门]] → [[神经网络]] → [[深度学习进阶]] ``` ### 嵌入内容 ```markdown # 嵌入整个笔记 ![[神经网络基础]] # 嵌入特定章节 ![[神经网络#数学原理]] # 嵌入代码块 ![[神经网络#Python实现]] # 嵌入图片 ![[神经网络架构图.png|400]] ``` ## Markdown-Style Links ```markdown [Display Text](Note%20Name.md) [Display Text](Note%20Name.md#Heading) [Display Text](https://example.com) [Note](obsidian://open?vault=VaultName&file=Note.md) ``` Note: Spaces must be URL-encoded as `%20` in Markdown links. ## Embeds ### Embed Notes ```markdown ![[Note Name]] ![[Note Name#Heading]] ![[Note Name#^block-id]] ``` ### Embed Images ```markdown ![[image.png]] ![[image.png|640x480]] Width x Height ![[image.png|300]] Width only (maintains aspect ratio) ``` ### External Images ```markdown ![Alt text](https://example.com/image.png) ![Alt text|300](https://example.com/image.png) ``` ### Embed Audio ```markdown ![[audio.mp3]] ![[audio.ogg]] ``` ### Embed PDF ```markdown ![[document.pdf]] ![[document.pdf#page=3]] ![[document.pdf#height=400]] ``` ### Embed Lists ```markdown ![[Note#^list-id]] ``` Where the list has been defined with a block ID: ```markdown - Item 1 - Item 2 - Item 3 ^list-id ``` ### Embed Search Results ````markdown ```query tag:#project status:done ``` ```` ## 📋 学习提示框系统 ### 基础提示框 ```markdown > [!note] 📝 笔记 > 这是重要的学习要点 > [!info] ℹ️ 信息 > 补充说明和背景知识 > [!tip] 💡 技巧 > 实用的学习方法或技巧 > [!warning] ⚠️ 注意 > 需要特别注意的内容 ``` ### 学习进度提示框 ```markdown > [!todo] 📋 待办 > - [ ] 理解基本概念 > - [x] 完成代码实践 > - [ ] 进行项目应用 > [!success] ✅ 已掌握 > 这个知识点已经完全理解 > [!question] ❓ 疑问 > 对这个概念还有疑问需要解决 ``` ### 可折叠提示框 ```markdown > [!abstract]- 📖 概要（默认折叠） > 简要概述核心内容 > [!abstract]+ 📖 详细说明（默认展开） > 详细的理论推导和说明 ``` ### 嵌套提示框 ```markdown > [!example] 💡 示例 > 这里是一个具体的应用示例 > > > [!note] 关键点 > > 示例中的关键注意事项 ``` ### 自定义学习提示框 ```markdown > [!important] 🎯 学习重点 > 这是本章的核心概念 > [!caution] ⚠️ 易错点 > 常见的错误和误区 > [!help] 🆘 需要帮助 > 遇到困难时的求助方向 ``` ### Custom Callouts (CSS) ```css .callout[data-callout="custom-type"] { --callout-color: 255, 0, 0; --callout-icon: lucide-alert-circle; } ``` ## Lists ### Unordered Lists ```markdown - Item 1 - Item 2 - Nested item - Another nested - Item 3 * Also works with asterisks + Or plus signs ``` ### Ordered Lists ```markdown 1. First item 2. Second item 1. Nested numbered 2. Another nested 3. Third item 1) Alternative syntax 2) With parentheses ``` ### Task Lists ```markdown - [ ] Incomplete task - [x] Completed task - [ ] Task with sub-tasks - [ ] Subtask 1 - [x] Subtask 2 ``` ## Quotes ```markdown > This is a blockquote. > It can span multiple lines. > > And include multiple paragraphs. > > > Nested quotes work too. ``` ## Code ### Inline Code ```markdown Use `backticks` for inline code. Use double backticks for ``code with a ` backtick inside``. ``` ### Code Blocks ````markdown ``` Plain code block ``` ```javascript // Syntax highlighted code block function hello() { console.log("Hello, world!"); } ``` ```python # Python example def greet(name): print(f"Hello, {name}!") ``` ```` ### Nesting Code Blocks Use more backticks or tildes for the outer block: `````markdown ````markdown Here's how to create a code block: ```js console.log("Hello") ``` ```` ````` ## Tables ```markdown | Header 1 | Header 2 | Header 3 | |----------|----------|----------| | Cell 1 | Cell 2 | Cell 3 | | Cell 4 | Cell 5 | Cell 6 | ``` ### Alignment ```markdown | Left | Center | Right | |:---------|:--------:|---------:| | Left | Center | Right | ``` ### Using Pipes in Tables Escape pipes with backslash: ```markdown | Column 1 | Column 2 | |----------|----------| | [[Link\|Display]] | ![[Image\|100]] | ``` ## Math (LaTeX) ### Inline Math ```markdown This is inline math: $e^{i\pi} + 1 = 0$ ``` ### Block Math ```markdown $$ \begin{vmatrix} a & b \\ c & d \end{vmatrix} = ad - bc $$ ``` ### Common Math Syntax ```markdown $x^2$ Superscript $x_i$ Subscript $\frac{a}{b}$ Fraction $\sqrt{x}$ Square root $\sum_{i=1}^{n}$ Summation $\int_a^b$ Integral $\alpha, \beta$ Greek letters ``` ## Diagrams (Mermaid) ````markdown ```mermaid graph TD A[Start] --> B{Decision} B -->|Yes| C[Do this] B -->|No| D[Do that] C --> E[End] D --> E ``` ```` ### Sequence Diagrams ````markdown ```mermaid sequenceDiagram Alice->>Bob: Hello Bob Bob-->>Alice: Hi Alice ``` ```` ### Linking in Diagrams ````markdown ```mermaid graph TD A[Biology] B[Chemistry] A --> B class A,B internal-link; ``` ```` ## Footnotes ```markdown This sentence has a footnote[^1]. [^1]: This is the footnote content. You can also use named footnotes[^note]. [^note]: Named footnotes still appear as numbers. Inline footnotes are also supported.^[This is an inline footnote.] ``` ## Comments ```markdown This is visible %%but this is hidden%% text. %% This entire block is hidden. It won't appear in reading view. %% ``` ## Horizontal Rules ```markdown --- *** ___ - - - * * * ``` ## 🏷️ 学习笔记属性系统 ### 标准学习属性 ```yaml --- # 基础信息 title: "神经网络基础" created: 2024-01-15 modified: 2024-01-20 # 学习管理 tags: - #机器学习 - #深度学习 - #概念 aliases: - "神经网络" - "NN基础" status: 学习中 difficulty: 中等 # 进度跟踪 progress: 60 completed: false priority: 高 review_count: 3 next_review: 2024-01-25 # 关联信息 prerequisites: "[[数学基础]]" related: - "[[深度学习概述]]" - "[[激活函数]]" dependencies: "[[线性代数]]" # 资源链接 resources: - "[[CS231n课程笔记]]" - "https://example.com/tutorial" # 个人评分 rating: 4.5 confidence: 3 usefulness: 5 # 样式类 cssclasses: - learning-note - concept --- ``` ### 学习标签体系 ```markdown # 学科分类 #机器学习 #深度学习 #强化学习 #自然语言处理 # 内容类型 #概念 #算法 #实现 #理论 #实践 # 难度等级 #入门 #进阶 #高级 #专业 # 学习状态 #学习中 #已掌握 #需复习 #有问题 # 重要程度 #核心 #重点 #扩展 #选学 # 资源类型 #课程 #书籍 #论文 #视频 #代码 ``` ### 属性查询示例 ```markdown ```query table rows from #机器学习 where status = "学习中" sort rating desc ``` ```query list from #概念 where difficulty = "中等" and priority = "高" ``` ``` ## HTML Content Obsidian supports HTML within Markdown: ```markdown
Colored text
Click to expand Hidden content here.
Ctrl + C ``` ## 🎓 完整学习笔记示例 ````markdown --- title: "反向传播算法" tags: - #机器学习 - #深度学习 - #算法 aliases: - "BP算法" - "Backpropagation" status: 已掌握 difficulty: 进阶 progress: 100 rating: 5 prerequisites: "[[神经网络基础]]" related: - "[[梯度下降]]" - "[[激活函数]]" created: 2024-01-15 modified: 2024-01-20 --- # 🧠 反向传播算法 ## 🎯 学习目标 - 理解反向传播的数学原理 - 掌握梯度计算过程 - 实现完整的BP算法 ## 📖 核心概念 ### 算法定义 反向传播（Backpropagation）是训练神经网络的核心算法，通过链式法则计算损失函数对各参数的梯度。 > [!important] 🎯 关键洞察 > 反向传播的本质是**梯度从输出层向输入层传播**的过程 ### 数学原理 $$\frac{\partial L}{\partial W^{(l)}} = \delta^{(l)} \cdot (a^{(l-1)})^T$$ 其中： - $\delta^{(l)}$ = 第$l$层的误差项 - $a^{(l-1)}$ = 第$l-1$层的激活值 ## 🧮 算法推导 ### 前向传播 ```python # 前向传播过程 def forward(X, W1, b1, W2, b2): z1 = np.dot(X, W1) + b1 a1 = sigmoid(z1) z2 = np.dot(a1, W2) + b2 y_hat = sigmoid(z2) return z1, a1, z2, y_hat ``` ### 反向传播 ```python def backward(X, y, z1, a1, z2, y_hat, W2): m = X.shape[0] # 输出层梯度 dz2 = y_hat - y dW2 = (1/m) * np.dot(a1.T, dz2) db2 = (1/m) * np.sum(dz2, axis=0, keepdims=True) # 隐藏层梯度 dz1 = np.dot(dz2, W2.T) * sigmoid_derivative(z1) dW1 = (1/m) * np.dot(X.T, dz1) db1 = (1/m) * np.sum(dz1, axis=0, keepdims=True) return dW1, db1, dW2, db2 ``` ## 🔄 算法流程图 ```mermaid graph TD A[输入数据] --> B[前向传播] B --> C[计算损失] C --> D[反向传播] D --> E[更新参数] E --> F{收敛?} F -->|否| B F -->|是| G[训练完成] ``` ## 💡 实现技巧 > [!tip] 🚀 性能优化 > 使用向量化运算可以显著提升训练速度 ### 梯度消失问题 ```python # 使用ReLU激活函数缓解梯度消失 def relu(x): return np.maximum(0, x) def relu_derivative(x): return (x > 0).astype(float) ``` ## 🔗 知识关联 ### 前置知识 - ![[神经网络基础#数学原理]] - ![[微积分基础#链式法则]] ### 相关概念 - [[梯度下降算法]] - 参数优化方法 - [[激活函数比较]] - 不同激活函数的特性 - [[优化算法进阶]] - Adam、RMSprop等 ### 应用扩展 - [[卷积神经网络]] - CNN中的反向传播 - [[循环神经网络]] - RNN中的BPTT算法 ## 📝 学习笔记 > [!note] 📝 重要理解 > 反向传播不是新的学习算法，而是**高效计算梯度的方法** ### 常见误区 1. ❌ 反向传播是学习算法 ✅ 反向传播是梯度计算方法 2. ❌ 梯度总是指向最优解 ✅ 可能陷入局部最优 ### 关键要点 - [x] 理解链式法则的应用 - [x] 掌握梯度计算过程 - [x] 实现完整代码 - [ ] 分析收敛性质 - [ ] 比较不同优化器 ## 🧪 实验验证 ```python # 简单实验验证 import numpy as np # 创建测试数据 X = np.array([[0,0], [0,1], [1,0], [1,1]]) y = np.array([[0], [1], [1], [0]]) # 训练网络 W1, b1, W2, b2 = train_network(X, y, epochs=1000) # 测试结果 predictions = predict(X, W1, b1, W2, b2) print(f"准确率: {accuracy(y, predictions):.2f}") ``` ## 📚 参考资源 ### 经典论文 1. **Rumelhart et al., 1986** - 原始反向传播论文 2. **LeCun et al., 1998** - 梯度-based学习理论 ### 在线资源 - [CS231n反向传播笔记](https://cs231n.github.io/optimization-2/) - [Michael Nielsen的神经网络书籍](http://neuralnetworksanddeeplearning.com/chap2.html) ### 代码实现 - ![[BP算法完整实现.py]] - ![[NumPy版神经网络示例.ipynb]] ## ❓ 思考题 1. 为什么反向传播被称为"反向"？ 2. 如何理解链式法则在神经网络中的应用？ 3. 梯度消失和梯度爆炸的成因是什么？ --- *最后复习: 2024-01-20 | 下次复习: 2024-01-27* ```` ## References - [Basic formatting syntax](https://help.obsidian.md/syntax) - [Advanced formatting syntax](https://help.obsidian.md/advanced-syntax) - [Obsidian Flavored Markdown](https://help.obsidian.md/obsidian-flavored-markdown) - [Internal links](https://help.obsidian.md/links) - [Embed files](https://help.obsidian.md/embeds) - [Callouts](https://help.obsidian.md/callouts) - [Properties](https://help.obsidian.md/properties)