站点说明
本网站为个人学习记录用途，仅展示深度学习相关的数学基础、技术实现与学习路线，无商业用途、无违规内容、无用户交互功能。
一、深度学习必备数学基础
二、应用实战
三、深度学习核心技术实现
基础神经网络
实现全连接神经网络，完成简单分类与回归任务，理解前向传播与反向传播原理。
卷积神经网络（CNN）
用于图像识别，实现卷积层、池化层，完成图片分类任务。
优化算法实现
- 梯度下降（GD）
- 随机梯度下降（SGD）
- Adam优化器
四、个人学习路径
第一阶段：数学基础
学习线性代数、微积分、概率统计，夯实深度学习理论基础。
第二阶段：编程基础
掌握一门或者几门现代流行且适用的开发语言和数据处理与绘图库，目前我使用的是C#和rust，少部分使用Python。
第三阶段：深度学习框架与实践
学习PyTorch/TensorFlow，实现基础网络，完成简单项目。