📝 更新Vision Transformer文档，删除模型微调部分并优化内容

- 在Vision Transformer文档中，修正了文本格式，提升了可读性。
- 删除了与模型微调相关的冗余文档，简化了内容结构。
- 在YOLO文档中增加了关于直接应用预构建模型的提示，增强了实用性。

Author: jiangyangcreate

docs/docs/机器学习/序列处理/模型微调.mdx docs/docs/大模型的应用/模型微调.mdxdocs/docs/机器学习/序列处理/模型微调.mdx renamed to docs/docs/大模型的应用/模型微调.mdx

@@ -4,6 +4,9 @@ title: 模型微调
 ---
 
 模型微调（Fine-Tuning） 是指在一个预训练的基础模型上，使用特定领域或特定任务的数据进行进一步训练，以使模型能够在特定任务上表现得更好。例如对计算机科学的名词翻译进行微调，可以提高翻译的准确性。
+:::info
+把模型想象为一个固定容量的大脑，脑容量是固定的，通过微调让它对A印象深刻，它就会淡忘B。
+:::
 
 LLaMA-Factory 是基于 LLaMA 的模型微调框架，支持 LoRA 微调、冻结层微调、全量微调。既可以通过 WebUI 微调，也可以通过命令行微调。
 

docs/docs/机器学习/序列处理/Vision Transformer.mdx

@@ -5,7 +5,7 @@ title: Vision Transformer
 
 首次成功将 Transformer 架构（原用于 NLP）应用于图像分类任务，挑战了 CNN 在计算机视觉领域的主导地位。
 
-ViT 的成功是深度学习领域方法论的一次重大转变，标志着**“大一统”**架构（即 Transformer）开始统治 NLP 和 CV 两个领域。
+ViT 的成功是深度学习领域方法论的一次重大转变，标志着“大一统”架构（即 Transformer）开始统治 NLP 和 CV 两个领域。
 
 :::info
 《An Image is Worth 16x16 Words: Transformers for Image Recognition at Scale》在 2020 年及之后发表的论文中，谷歌学术总引用次数排名第1。

docs/docs/机器学习/网格数据/YOLO.mdx

@@ -12,4 +12,6 @@ YOLO 和 PyTorch 区别
 - PyTorch 是工具：它提供了一套完整的工具箱，让你能自己设计、构建、训练和使用神经网络。这个工具箱里包含了各种“零件”，比如张量操作、自动求导、神经网络层、优化器等等。
 
 - YOLO 是成品：它是一种已经设计好、训练好的神经网络模型。YOLO 使用 PyTorch 工具箱里的零件，通过巧妙地组合，最终制造出了一款专门用来做“目标检测”的成品。
-:::
+:::
+
+如果你已经忘掉了机器学习的公式和调优，请直接从YOLO开始，应用最先进的预构建模型。