深度学习从零到能读论文

从 PyTorch 张量运算到 Transformer，一步步建立动手能力

3 本书 · 预计 7 小时

第 1 站

前置：PyTorch 基础和自动求导

动手做深度学习之前需要掌握的基础工具：PyTorch 张量与自动求导、神经网络模块、概率论基础等。

张量运算和自动求导是所有神经网络的底座。有了这些工具之后，从最直觉的任务开始——让机器「看懂」图片。

第 2 站

图像：卷积神经网络的完整链路

系统讲解图像表示、卷积、池化、归一化、数据增强、数据集加载、CNN 模型构建、迁移学习、训练技巧与可视化。

CNN 处理的是空间信息，但现实世界还有时间维度：文本、语音、股价。RNN 系列就是为序列数据而生的。

第 3 站

序列：从 RNN 到注意力机制

从序列数据出发，讲解 RNN、LSTM、GRU、字符级语言模型、文本处理、情感分析、Seq2Seq、注意力、时间序列与 Transformer 过渡。