如今，深度学习的热度不断攀升，许多新人都通过开源框架完成了入门。但遗憾的是，大部分都仅停留在调用 API 的层面，却无法理解深度学习的本质。本课程将从线性分类器出发，通过学习人工神经网络，从而完成 0 到 1 实现卷积神经网络的过程。你将真正理解什么是深度学习，以及背后的工作机制，并在动手的过程中完成从入门到进阶。

实验将从简单的线性函数公式讲起，然后使用 Python 实现一个线性分类器，并最终完成经典的 MNIST 手写字符分类任务。在这个过程中，你将学习到深度学习中常用的概念和方法，例如：Softmax 和交叉熵损失函数，梯度下降法等。

接下来，从线性分类器延伸到人工神经网络，你讲了解神经网络的组成以及工作机制，对反向传播算法进行实现，最终训练多层神经网络并对比和线性分类的结果。

掌握神经网络的原理之后，正式开始学习卷积神经网络。此时，你会了解到经典卷积神经网络的组成，卷积层、池化层的实现和作用机理。并最终从 0 到 1 搭建一个基础的卷积神经网络。当然，实验同时与 PyTorch 实现做了对比，帮助全面理解。

课程的最后，我们将学习到神经网络加速计算的技巧，了解并行加速、算法加速、GPU 加速等不同方法。这对于深度学习是至关重要的。

最后，为了帮助大家更加全面了解本课程的特点，我们总结课程包含的知识点如下：

• 深度学习的基本概念讲解及实现，例如：损失函数，激活函数等。
• 人工神经网络讲解及实现，包括反向传播算法等完整的理论。
• 卷积神经网络概念，结构及实现。
• 内容均使用 Python 实现，神经网络部分与 PyTorch 实现做对比。
• 课程主要使用到的库有：NumPy，PyTorch。
• 部分理论推导及理解需要基础的高等数学和线性代数知识。

课程信息

• 学习周期：课程有效期 2 个月，2 个月后无法进行在线实验，但可查看文档内容。高级会员有效期内可一直学习，到期后课程失效，且无法查看文档。部分云主机实验环境因成本较高，存在开启次数限制。关于课程退款等相关注意事项说明，请阅读 用户付费协议。
• 版权说明：课程内容为蓝桥云课原创或蓝桥云课在原作者授权下制作。未经书面同意，擅自爬取、转载和再分发课程内容，均将受到严肃追责。
• 企业团报：企业购买，请点击 企业用户咨询。