写作组件与学习图例

这里是本站真实可用的写作组件，也是写生信笔记、Linux 教程与深度学习文章时的随手参考。组件展示与可复制写法放在一起；公式和流程图仅在出现它们的页面加载本地渲染资源。

1. 数学公式：解释一个真实训练目标

对于互斥的多类别分类，假设样本标签为 one-hot 编码、模型输出为类别概率，交叉熵可以写为：

\mathcal{L}=-\frac{1}{N}\sum_{i=1}^{N}\sum_{c=1}^{C}y_{ic}\log p_{ic}

这里的 N 是样本数，C 是类别数。PyTorch 的 CrossEntropyLoss 通常接收未归一化 logits，而不是先手动做 softmax 的概率。参阅 PyTorch 官方定义。

{% perry_math %}
\mathcal{L}=-\frac{1}{N}\sum_{i=1}^{N}\sum_{c=1}^{C}y_{ic}\log p_{ic}
{% endperry_math %}

{% perry_math inline %}N{% endperry_math %}

普通正文也支持 $x$ 和 $$x$$；有反斜杠、下划线或较长公式时，建议用 perry_math 标签，避免 Markdown 先修改 LaTeX 源码。代码块内的 $HOME 不会被当作公式。

2. 流程图：先设计，再训练

flowchart LR
  A[定义任务与指标] --> B[按个体划分数据]
  B --> C[仅用训练集拟合预处理]
  C --> D[训练并在验证集选模型]
  D --> E[锁定方案后评估测试集]

这是一条防止数据泄漏的通用阅读路线，不是替代具体实验设计的标准答案。

{% perry_mermaid 训练流程 %}
flowchart LR
  A[定义任务与指标] --> B[划分数据]
  B --> C[训练]
  C --> D[验证]
{% endperry_mermaid %}

流程图启用 Mermaid 的 strict 安全模式，不允许图中执行脚本或点击回调。加载或语法失败时保留原文并显示提示。

3. 标签页：同一份小练习，两种语言

PythonR

counts = [12, 0, 4]
print(sum(counts))  # 16

counts <- c(12, 0, 4)
sum(counts)  # 16

{% tabs 一个不重复的名称 %}
<!-- tab Python -->
第一页的 Markdown 内容。
<!-- endtab -->
<!-- tab R -->
第二页的 Markdown 内容。
<!-- endtab -->
{% endtabs %}

每个标签页组使用不同的名称，避免同一篇文章里的 DOM ID 重复。

4. 资源区：从解释走向复现

相关工具与官方资料

PyTorch 训练循环

真实的官方教程，包含训练与测试步骤。

FastQC

测序质量控制工具的官方项目入口。

本站训练曲线图例

可直接打开的本地教学示意图。

正式文章可以在 front matter 中维护资源，不需要在每篇文章里手写布局：

resources:
  - title: PyTorch 官方训练教程
    url: https://docs.pytorch.org/tutorials/beginner/basics/optimization_tutorial.html
    description: 训练与评估循环的完整说明

5. 图片轮播：温和的学习插画

Linux：先认识文件与目录

{% perry_carousel 图组名称 %}
/img/cartoon-linux-files.jpg | 图注 | 无障碍替代文字
/img/cartoon-bio-fastq.jpg | 第二张图注 | 第二张替代文字
{% endperry_carousel %}

轮播可以触屏横滑或用键盘、按钮切换，不自动播放。以上图片来自本站已有插画资源，图注不是实验结果。

6. 文件树：可折叠的 Linux 练习目录

• rnaseq-practice/

  • README.md
  • data/

    • raw/

      • sample_R1.fastq.gz
      • sample_R2.fastq.gz
    • reference/

      • genome.fa
      • genes.gtf
  • scripts/

    • 01_qc.sh
    • 02_align.sh
  • results/

    • qc/
    • counts/
  • environment.yml

这是一份可按需建立的目录示例，不表示本站提供这些数据文件。原始数据与结果分开，脚本保留步骤编号，环境另存一份说明。

{% perry_filetree 目录名称 %}
project/
  README.md
  scripts/
    analyze.py
{% endperry_filetree %}

使用两个空格表示一层缩进，以 / 结尾表示目录。

7. 窗口与按需嵌入

终端 · 安全查看文件

pwd
ls -lh
head -n 8 data/raw/sample_R1.fastq

这个窗口只是命令展示，不会执行命令。压缩的 .fastq.gz 应使用 gzip -cd 文件名 | head -n 8 预览。

加载训练曲线阅读示例

嵌入内容在你点击后才加载。这个示例来自本站，无第三方跟踪，也不开放 iframe 的脚本执行权限。

{% perry_frame 窗口标题 %}
这里放 Markdown 内容或代码块。
{% endperry_frame %}

{% perry_embed /components/demo.html | 本地示例 %}

8. 对话气泡：问题与解释各有位置

可以先把全部样本做标准化，再划分训练集和测试集吗？

如果预处理需要从数据估计参数，应只在训练集上拟合，再把同一转换应用于验证集和测试集，避免评估信息泄漏。

{% perry_dialogue 问答标题 %}
读者 | 一个具体的问题？
笔记 | 用 Markdown 写回答，第二行会显示为回答气泡。
{% endperry_dialogue %}

9. 诗笺、纸张与卷轴

离骚·节选

屈原

路漫漫其修远兮，

吾将上下而求索。

一张方法笔记

读完一个方法后，我希望能回答三件事：

1. 它解决的具体问题是什么？
2. 它成立需要哪些假设？
3. 用什么检查来判断结果是否可信？

一段学习摘记

从一个能复现的小例子出发，再逐步增加复杂度。记下输入、环境和输出，比只保留一张好看的结果图更有用。

{% perry_poetry 标题 | 作者 %}
每一行是一行诗。
{% endperry_poetry %}

{% perry_paper 笔记标题 %}
支持 **Markdown** 的正文。
{% endperry_paper %}

{% perry_reel 摘记标题 %}
支持 Markdown 的正文。
{% endperry_reel %}

诗句使用古典公版原文；这些样式只是排版方式，不会强迫文章都采用装饰性布局。

10. 按键、标记与点击揭晓

在终端里，Ctrl + C 常用于请求停止当前前台进程；它并不等于撤销已经写入磁盘的操作。注意 先检查路径，再执行命令。

小问题：做监督学习时，预处理统计量应该在哪个数据集上拟合？

查看答案

{% perry_kbd Ctrl + C %}
{% perry_mark 一句需要关注的话 %}
{% perry_reveal 查看答案 | 答案内容 %}

按钮支持键盘操作，再点击一次会收起答案。组件标签只接受 http://、https:// 或本站 / 开头的资源地址，不接受 javascript: 等执行型 URL。