🧠 深度学习基础
从零掌握深度学习：神经网络原理 → CNN/RNN/Transformer → PyTorch实机验证
35
课程
5
阶段
100+
练习
✅
代码验证
🧠
神经网络基础
第1-7课
第1课
感知机与线性回归
第2课
梯度下降与反向传播
第3课
激活函数
第4课
损失函数
第5课
优化器：SGD与Adam
第6课
正则化：Dropout与BatchNorm
第7课
权重初始化
👁️
CNN
第8-14课
第8课
卷积操作原理
第9课
经典网络：LeNet与AlexNet
第10课
VGG与ResNet
第11课
迁移学习
第12课
数据增强
第13课
目标检测基础
第14课
图像分割基础
🔄
RNN与序列
第15-21课
第15课
RNN原理
第16课
LSTM
第17课
GRU
第18课
序列到序列模型
第19课
注意力机制
第20课
Transformer原理
第21课
位置编码与多头注意力
🔧
训练技巧
第22-28课
第22课
学习率调度
第23课
超参搜索
第24课
模型压缩与量化
第25课
分布式训练
第26课
混合精度训练
第27课
模型解释性
第28课
过拟合诊断与处理
🚀
实战项目
第29-35课
第29课
图像分类：CIFAR10实战
第30课
目标检测：YOLO实战
第31课
文本分类
第32课
机器翻译
第33课
风格迁移
第34课
GAN生成
第35课
毕业项目：多模态分类