开篇：前两篇搭好了"骨架"，这篇注入"灵魂" 回顾一下我们的旅程： 上篇：Embedding / Padding / Pooling / Dro...

开篇：为什么全连接层读不了句子 假设你要判断 "这家店真的很棒" 是好评还是差评。上篇的 Embedding 已经把每个字变成了向量，但接下来的...

开篇：神经网络其实"不认识"文字 作为程序员，我们天天和字符串打交道。但有一个残酷的事实：神经网络只认识数字，不认识文字。 你不能把 "这家店真...

本篇你将带走什么 为什么需要 PyTorch 这类框架；怎么把环境跑起来（本地或 Colab） 一个完整可运行的"找规律"任务全流程：模型 → ...

本篇你将带走什么 为什么学习需要一把"尺子"（损失函数） 回归任务用哪把尺子、分类任务用哪两件套（Softmax + 交叉熵） 梯度下降与 SG...

本篇你将带走什么 一张能说清「人工智能 / 机器学习 / 深度学习」关系的地图 关于"神经网络是怎么学习的"的正确直觉：猜 → 错 → 改 明白...

面向纯小白的入门指南，不堆公式，用大白话讲清楚神经网络到底是什么。 一、神经网络到底是什么？ 你可以把神经网络想象成一个"猜数字的机器"。 你给...

上篇回顾：我们认识了神经网络的基本结构——输入层、隐藏层、输出层，以及数据如何在网络中正向传播。中篇回顾：我们揭开了神经网络"学会"的秘密——损...

上篇回顾：我们认识了机器学习的本质（用数据训练一个函数），了解了神经网络的灵感来源（人脑神经元），掌握了一个神经元的数学原理（加权求和 + 非线...