Chapter 00
什么是深度学习？
介绍深度学习是什么，以及 Ch01～Ch12 将学到的内容一览。
按章节的深度学习图示
每完成一章，下方图示会逐步填满。这是目前的结构。
Ch01～Ch12 所学内容
- Chapter 01向量内积
将两个向量的方向与大小相乘得到一个标量的最基本运算。
- Chapter 02矩阵乘法
两个矩阵的积由前矩阵的行与后矩阵的列做内积填满新矩阵。
- Chapter 03线性层（权重与偏置）
对输入乘以权重矩阵并加上偏置的层。
- Chapter 04激活函数（非线性）
将神经元输出变为非线性的函数。
- Chapter 05人工神经元（加权和与激活）
计算输入的加权和并施加激活函数的单元。
- Chapter 06批（一次性计算）
将多个样本一起成批计算的单位。
- Chapter 07权重连接
层与层、神经元与神经元之间的加权连接。
- Chapter 08隐藏层（看不见的层）
位于输入层与输出层之间的层。
- Chapter 09深度（深层网络）
隐藏层多、层数多；即「深度学习」中的「深度」。
- Chapter 10宽度（每层神经元数）
单层中神经元数量多。
- Chapter 11Softmax（转为概率）
将向量变为（0,1）内且和为1的概率分布的函数。
- Chapter 12梯度（反向传播）
参数微调时损失变化的方向与大小。
什么是深度学习？
深度学习是让计算机通过大量例子自己学会规律的一种方法。不是人一条条写规则，而是给它数据，它自己找出「这类输入对应这类输出」。实现这一点的结构叫人工神经网络：像大脑神经元一样的小计算单元，一层层叠起来，就是深度学习。
为什么深度学习重要？ 我们身边的很多技术都在用。ChatGPT、Gemini 这类对话和文本生成 AI，特斯拉式的自动驾驶（用摄像头识别车道、行人、信号灯），Netflix、YouTube 的推荐，翻译，人脸识别，原理都一样：把输入变成数字，一层层做乘法、加法，得到结果（分类、预测、生成）。实际上，各行各业（IT、医疗、金融、制造等）和学术界里，机器学习、深度学习的研究都占主导。
用市面上的高性能模型不行吗？ 使用市面上的高性能模型，或者做深度学习、机器学习模型，用氛围编程都能做到。但要把那个模型用好、修改或活用，就需要这些章节里的基础知识（内积、矩阵乘法、梯度等）。所以学深度学习、跟着这些章节学下去才重要。
一层做的事就是：把进来的数字乘上权重再加起来，传给下一层。很多层连在一起，简单信息会逐渐变成「边缘」「眼睛鼻子」「狗/猫」这样的大特征。学习就是不断给正确答案的例子，一点一点调整权重，让输出接近正确答案。「改哪里、改多少」由梯度告诉你，Ch12 会学。
本课程怎么学？ 一层做的事就是乘法和加法的重复。按顺序学：Ch01 内积 → Ch02 矩阵乘法 → Ch03～05 线性层、激活、人工神经元 → Ch06～10 批、连接、隐藏层、深度、宽度 → Ch11～12 softmax 与梯度。
请看下方路线图了解各章内容。从 Ch01 跟着学下来，你就能理解 ChatGPT、自动驾驶这类系统内部用到的数学。