💡

文章摘要

掌握深度学习三大方向：神经网络基础、CNN 计算机视觉、RNN 序列模型。理解 Transformer 架构，这是大语言模型的基础。

0什么是深度学习？

机器学习靠"特征工程"（人工提取特征），深度学习靠"端到端学习"（从原始数据直接学）。

2012 年 AlexNet 在图像识别比赛中大获全胜，深度学习从此崛起。今天，几乎所有 AI 突破都来自深度学习。

1学习全景图

深度学习分为四个方向：

神经网络基础— 感知机、多层网络、反向传播、激活函数、优化器

CNN（计算机视觉）— 卷积、池化、ResNet

RNN / 序列模型— RNN、LSTM、注意力机制

Transformer — Self-Attention、编码器（LLM 的基石）

2学习建议

重点投入时间：

可以略过的：

  • CNN 的具体架构细节（知道思想就行）
  • RNN 的数学推导（知道 LSTM 解决什么问题就行）

2026 年最重要的部分：Transformer。 它是 GPT、Claude、Gemini 的共同基础。

💡 一句话理解

💡 用 PyTorch 搭建一个简单的神经网络，亲手跑一次训练流程，比看十篇教程都管用。

3📍 推荐学习路径

本分类共 21 篇文章，以下是我们推荐的系统性学习路径：

第一阶段：神经网络基础（5 篇）

  1. 神经网络基础：从感知机到多层网络（dl-001）→ 理解神经网络的基本结构
  2. 神经网络基础：前向传播、反向传播与激活函数（dl-019）→ 掌握核心机制
  3. 反向传播：神经网络如何学习（dl-002）→ 深度理解梯度传播
  4. CNN：卷积神经网络架构详解（dl-006）→ 了解卷积思想
  5. CNN 卷积神经网络：从 LeNet 到 ResNet（dl-020）→ CNN 架构演进

第二阶段：核心进阶（选读 8 篇）

第三阶段：高级专题（按需选读）

⚡速成建议：第一阶段 + 第二阶段的核心必读 = 深度学习的核心知识。其余可以在实践中按需补学。

阶段文章数预计时间目标

第一阶段：神经网络基础

5 篇

1 周

理解神经网络基本原理，能搭建简单网络

第二阶段：核心进阶

8 篇（选读）

2-3 周

掌握 Transformer、优化器、正则化等核心知识

第三阶段：高级专题

6 篇（按需）

按需

MoE、分布式训练等前沿技术

深度学习技术全景

图表加载中…

学习路线图

图表加载中…

🎯 相关面试题

巩固本篇知识点，备战 AI 岗位面试。

浏览全部面试题 →

标签

#深度学习#学习导览#神经网络#CNN#RNN

路线内导航

← 路线上一篇

因果推理：从相关性到因果关系的 AI 基础

路线下一篇 →

神经网络基础：前向传播、反向传播与激活函数