深度学习概述

什么是深度学习

深度学习是当前 AI 革命的引擎。从 GPT 到 Stable Diffusion，从 AlphaFold 到自动驾驶——这些突破都建立在深度学习之上。深度学习本质上是机器学习的一个分支，用多层神经网络来学习数据的层次化表示。

为什么要学深度学习

AI 的核心武器。 理解深度学习，你才能真正理解大模型、多模态 AI、生成式 AI 的底层原理。

面试必考。 CNN、RNN、Transformer、注意力机制——这些是 AI 面试的高频考点。

研究前沿的基础。 想做 AI 研究，深度学习是必须掌握的基础。

核心知识模块

神经网络基础

• 感知机与多层感知机（MLP）
• 反向传播算法
• 激活函数：ReLU、Sigmoid、Tanh、GELU
• 优化算法：SGD、Momentum、Adam、AdamW
• 正则化：Dropout、Batch Normalization

卷积神经网络（CNN）

• 卷积操作、池化
• 经典架构：LeNet、AlexNet、VGG、ResNet

循环神经网络（RNN）

• RNN、LSTM、GRU

Transformer 架构

• 自注意力机制（Self-Attention）
• 多头注意力（Multi-Head Attention）
• BERT、GPT、ViT

生成模型

• VAE、GAN、扩散模型

怎么学

先学吴恩达，再读 d2l。 吴恩达的课程帮你建立整体框架，d2l 帮你用 PyTorch 实现每个算法。

用 PyTorch 从零实现每个模型。 不要只调高级 API。

做 CS231n 实验。 从零实现 CNN。

本模块资源